第四课程-------单纯形法的学习心得

本文介绍了线性规划的基础知识和单纯形法的学习心得,重点探讨了如何在不同顶点间移动寻找最优解。内容包括仿射函数概念、线性规划的性质、单纯形法的移动方向和步长确定,以及目标函数的变化与检验数的作用。
摘要由CSDN通过智能技术生成

单纯形法

本次的学习心得,主要是参考张树柱老师的教学视频,在此非常感谢老师的讲解。有需要的小伙伴可以去B站去看,视频链接

1. 预备知识:

(1)仿射函数即由1阶构成的函数,⼀般形式为 f ( x ) = A x + b f (x) = A x + b f(x)=Ax+b
(2)目标函数约束函数都是仿射函数,问题则称为线性规划,因为不等式约束函数和等式约束函数都是仿射函数,所以可行集是一个多面体。
因此,如果对于一个非空可行域 p p p来说,LP 问题一定是在某个顶点处达到最优。
因此,在一个约束方程组(m x n)其中,n > m,表示变量个数大于约束个数,我们假设起系数矩阵的秩为m,因此,基解的总数不会超过 C n m C_n^m Cnm个。

有了上述定义, 我们假设寻找一个 LP 问题的最优解,那么我们只需要研究如何在不同顶点间移动,从而找到最优解,那么这个过程其实也是单纯形法的本质。
从几何上来看如【图1】所示。
图1
从上面这张图,可以发现,我们从一个点,去寻找最优点时,我们需要确定两个事情:
【1】移动方向
【2】移动部长

首先,我们假设我们的移动,从 x x x移动到 x + θ ∗ d x+\theta*d x+θd,通过选择一个非基变量 x j x_j xj(初始为0),增大这个非基变量到一个正数 θ \theta θ,同时保证其他非基变量为0。
在这里插入图片描述
在这里插入图片描述

通过这样的约束,从而可以保证,在移动过程中,我们的约束条件是保持不变的
通过上述推导公式可以看出,基变量在移动过程中 d B = − B − 1 A j d_B=-B^{-1}A_j dB

  • 28
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
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

打赏作者

yanxiaoyu110

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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