线性规划问题

方法大致分为图解法、单纯形法两种,这里主要讨论单纯形法。

1.概念:基本解、基本可行解

在这里插入图片描述
上面的基本解若满足XB>=0,则称x为基本可行解。
几个重要结论:
1.可行解x是标准型线性规划(LP)的基本可行解的充要条件是可行解x 的正分量所对应的矩阵A的列向量线性无关。
2.x是标准型线性规划(LP)的一个基本可行解的充要条件是x为可行域的顶点。
3.一个标准的LP问题如果有可行解,则至少有一个基本可行解。
4.一个标准的LP问题如果有有限的最优解,则一定存在一个基本可行解是最优解。
5.若LP问题的可行域有界,则线性规划问题必有最优解。
例题1
在这里插入图片描述

2.单纯形法

在这里插入图片描述
例题2
在这里插入图片描述
若系数矩阵中不含单位矩阵,没有明显的基可行解时,常采用引入非负人工变量的方法来求初始基可行解。下面分别介绍常用的“大M法”和“两阶段法”。
大M法:M是相当大的正数(可以理解为正无穷),对人工变量起到惩罚的作用,逼迫辅助线性规划的最优解中人工变量均为0.要注意的是,人工变量一旦出基,则在迭代时不再参与计算.
例题3
在这里插入图片描述
两阶段法:引入人工变量xn+1,···,xn+m,构造辅助线性规划问题
例题4
在这里插入图片描述

3.对偶单纯形法

在这里插入图片描述
在这里插入图片描述
弱对偶定理:极小化线性规划问题的目标函数值不小于其对偶规划的目标函数值。
推论1:若原始线性规划问题与对偶线性规划问题之一具有无界的目标函数值,则另一个无可行解。
推论2:原问题 任何一个 可行解 的目标函数值 , 都是其对偶问题 目标函数值的下界 ; 反之 , 对偶问题 任何一个 可行解 的目标函数值 , 都是其原问题 目标函数的上界 ;

强对偶定理:若原始线性规划问题与对偶规划问题之一有最优解,则另一个也有最优解,且他们的目标函数最优值相等。
例题5
在这里插入图片描述
在这里插入图片描述

4.灵敏度分析

待更新

  • 4
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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
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