1. 线性规划的标准形式
①目标函数的优化方向都是求
m
i
n
min
min,可以通过将
m
a
x
max
max取反转化
②为了使非平凡约束中的关系始终为等号:
- 松弛变量:引入新变量,使小于等于号变等号
- 剩余变量:引入新变量,使大于等于号变等号
③为了使平凡约束中的关系始终大于等于0(即消除自由变量):
2. 线性规划的基本概念
对于标准线性规划:
①基:
A
A
A中
m
m
m列向量组成的线性无关的矩阵
B
B
B(
B
B
B矩阵可逆),叫线性规划式的基
②基向量: 基 B B B中任意一个列向量为一个基向量
③基变量: 基向量对应原线性规划的变量 x j i x_{ji} xji为基变量,其余为非基变量
④基本解: 方程组 B X B = b BX_B = b BXB=b的解, X B = B − 1 b X_B = B^{-1}b XB=B−1b,其余非基变量全部为0,这样基变量的值和非基变量的值构成原线性规划的解,叫基本解。若基变量都非0,即基本解中非0个数为 m m m,则为非退化的基本解,否则为退化的基本解。
⑤可行解: 在约束域S中的向量
X
X
X:
⑥基本可行解: 既是基本解又是可行解的向量
X
X
X,即所有分量非负的基本解,因为基本解已经满足非平凡约束了
⑦最优基可行解: 所有基本可行解中,目标函数值最优的,叫最优基可行解。最优基可行解对应的基叫最优基
⑧顶点、极点: 设 X 0 ∈ D ⊂ R n X_0\in D⊂R_n X0∈D⊂Rn, D D D是凸集,如果 X 0 X_0 X0不能表示为 D D D中其它任 意两个不同点的凸组合,则称 X 0 X_0 X0为 D D D的顶点或极点
3. 解的基本性质
①设
X
X
X是标准线性规划的可行解,则
X
X
X是基可行解的充要条件是
X
X
X的非零分量在
A
A
A中所对应的列向量组线性无关
说明:可行解保证了
X
≥
0
X \geq0
X≥0,因此要保证是基可行解,只需保证
X
X
X对应的向量组为基即可,即
X
X
X的非零分量在
A
A
A中所对应的列向量组线性无关。
②标准线性规划的可行解
X
X
X是可行集
S
S
S的顶点的充要条件是
X
X
X是基可行解
说明:主要告诉我们
X
X
X是基可行解则
X
X
X是可行集
S
S
S的顶点
③若标准线性规划有最优解,则必在其可行集S的顶点处取得
4. 单纯形法
方法背景: 找出标准线性规划所有的基可行解很困难,尤其当
n
>
>
m
n >> m
n>>m时,指数时间
基本思想: 从线性规划的某一个顶点出发,沿着使目标函数值下降的方向寻找下一个顶点
前提假设: 我们在原线性规划
A
A
A中能找到一个单位矩阵的基,设
A
=
(
I
,
N
)
A = (I,N)
A=(I,N)
原线性规划可以转化为如下形式
①最优解判别准则(如何判断我们得到的解是否是最优解,然后终止迭代):
上述的一个基可行解为
X
0
=
(
b
,
0
)
X_0=(b,0)
X0=(b,0),目标函数值为:
设
X
=
(
X
I
,
X
N
)
X=(X_I,X_N)
X=(XI,XN)是任意一个可行解,用非基变量表示,目标函数值为:
当对于任意一个可行解
X
X
X,都有
f
(
X
0
)
≤
f
(
X
)
f(X^0)\leq f(X)
f(X0)≤f(X)时,此时的基可行解为最优解,即
因为
X
N
≥
0
X_N\geq 0
XN≥0,若
C
I
T
N
−
C
N
T
≤
0
C^T_I N - C^T_N \leq 0
CITN−CNT≤0,则有
f
(
X
0
)
≤
f
(
X
)
f(X^0)\leq f(X)
f(X0)≤f(X)
结论: 对于存在单位矩阵基的线性规划,当 C I T N − C N T ≤ 0 C^T_I N - C^T_N \leq 0 CITN−CNT≤0时,即所有判别数 ≤ 0 时 , \leq 0时, ≤0时,则 X 0 = ( ︁ b , 0 ) ︁ X_0= (︁b,0)︁ X0=(︁b,0)︁就是这个线性规划的最优解
用分量形式表示,
P
j
P_j
Pj是一个单位向量,基变量和非基变量的判别数表示如下(基变量的判别数为0,实际其对应的
N
N
N可以看作单位矩阵
I
I
I,不用算一定为0):
结论: 若线性规划的某个判别数
σ
j
>
0
σ_j > 0
σj>0,而相应的列向量
P
j
≤
0
P_j ≤ 0
Pj≤0,则线性规划无最优解。由于基变量的判别数一定为0,因此可以缩小范围。若非基变量的判别数
σ
j
>
0
σ_j > 0
σj>0,而相应的列向量
P
j
≤
0
P_j ≤ 0
Pj≤0(所有分量小于等于0),则线性规划无最优解