一、Terminologies术语(统一)
feasible domain 可行域
bound feasible domain 有界可行域
二、Background knowledge
1、一个等式就是一个超平面
2、理解一个等式的几何意义
举例,二维平面,x1-2x2=30
3、超平面的性质
性质一:法向量和任意的超平面都垂直
性质二:法向量指向upper空间,-法向量指向lower空间,往-法向量方向走,可以最小化目标函数。
性质三:如果可行域是标准LP形式,则P就是一个多边形集polyhedral set
性质四:如果约束函数,在可行域或者多边形中的所有的点都满足-cx<=b,然后目标函数cx>=x,那么集合x就是目标函数的解,其中,集合x在几何中也代表多边形P(也是一个超平面)与超平面H的交集(两个超平面的交集只有点、线、面)就是
举个例子:
三、Graphic method
在讲解几何之前,先引入一些先验知识:
仿射组合是一条直线;椎型组合像椎;线性组合是一条线段,如图所示:
然后引入仿射集合,凸集合,椎集合的概念:
某某集合里的两个点连成的直线还在该集合中,就叫做某某集合。
然后是仿射集合,凸集合,椎集合的几何意义:
第二个明显不是凸集合,因为两点连城的直线并不在该多边形内部。
所以就顺着引出可行域的特性:
可行域是多边形集,凸集,是m个超平面与第一象限的椎的交集。
区分里面的点和边界的点:
边界点的特殊之处:一点撑起整个多边形
背景知识:极点:可以撑起所有点的一个点,也就是顶点,当然,曲边的任意一点都是极点。
极点的几何意义:极点就是顶点。极点可以撑起整个多边形。
极点就是顶点,辣么极点就是可行解。举个例子来帮助理解:
从x1,x2,x3,x4中分别令两个决策变量为0,会有c42=6种结果,但是该例子中2个结果在一象限之外,排除,剩下四个结果就是这个多边形的四个点。
我们可以通过图观察到,1、约束函数中的决策变量个数4-约束函数中的方程个数2=2个决策变量为0,则为多边形的顶点。2、一个决策变量为0,则为多边形的边。3、没有决策变量为0,则为内点。
从上图所观察:
4个列中的任意两列都是线性无关的。
寻找极点:理论+证明
理论:x中正分量所对应的A的列是线性无关的,即x的正分量个数=A的列张成的空间数=A的列线性无关的个数。
证x正分量所对应的A的列是线性无关。
必要性,如果A的列线性相关:充分性,如果X不是极点。
其中,线性无关,存在非零组合,使得Aw=0
如果x不是极点,辣么它一定可以处于两个点之间。
以上是几何意义,现在引入代数式子来证明:
我们知道n个变量,m个方程;辣么,把n划分为m和n-m,这样m个变量m个方程就能有解,称为XB,剩余n-m置为0,称为XN.
引入基解和基可行解的概念。
其中,基解个数为Cnm,当XB>=0,则为基可行解。
举例子来辅助理解:
可以看到bs有c42=6个,但是有4个bf>=0,则bfs有4个。
2点推理:
1、极点就是bfs
2、多边形P的极点个数有限
有界可行域中任意一点由极点表示:从几何图中,可以观察到P中任意一点可由一些极点凸组合而成,极点的重要之处,就彰显出来。从下面这幅中,y由极点v3和v4表示,x由极点v2和y表示,即x可由极点v2,v3,v4表示。
无界可行域中任意一点由极点+sd表示:如果可行域P是无界的,辣么P中任意一点又该由极点如何表示呢?这时候需要一个方法向量d,d代表无穷小,x=x‘+sd,s>=0,x’这个点越往d方向走,x就越无穷,但x仍然属于P,这就是代数代表几何意义。这个d就是极方向。极方向的特性:Ad=0 同时 d>=0。
综合一下,极点集合V,极点个数I,极方向d,来表示可行域P中任意一点。我们可以知道,1、所有极点前面参数之和为1;2、d=0代表可行域是多边形即有界,d为P的极方向代表可行域无界。
再次总结,与上面雷同:
四、Fundamental theorem of LP
理论:对于一个标准形式的线性规划,如果它的可行域P不为空(这代表有可行解),然后目标函数的最优解要么沿着无界一直走到无穷,要么至少包含P中任意一个极点。
代数证明:用代数分别描述可行域无界和有界,然后再推理证明最小化的z至少包含一个极点。