线性规则（优化）是一类最优化问题。其中，目标函数是未知数的线性函数。约束条件是线性等式和线性不等式构成。
标准形式为：
m
i
n
(
m
a
x
)
c
T
x
s
.
t
.
A
x
=
b
x
≥
0
min(max) c^{T}x\\ s.t.Ax=b\\ x\geq0
min(max)cTxs.t.Ax=bx≥0
其中
x
x
x为n维列向量，
c
T
c^{T}
cT为n维行向量，A为
m
×
n
m\times n
m×n阶矩阵，
b
b
b为n维列向量。
x
≥
0
x\geq 0
x≥0表示
x
x
x的每一分量非负。
将线性不等式转为等式：
m
i
n
c
T
x
s
.
t
.
a
11
x
1
+
a
12
x
2
+
.
.
.
+
a
1
n
x
n
≤
b
1
.
.
.
x
≥
0
min c^{T}x\\ s.t. a_{11}x_{1}+a_{12}x_{2}+...+a_{1n}x_{n}\leq b_{1}\\ .\\ .\\ .\\ x\geq0
mincTxs.t.a11x1+a12x2+...+a1nxn≤b1...x≥0
加上松驰变量
y
1
、
y
2
、
.
.
.
、
y
m
y_{1}、y_{2}、...、y_{m}
y1、y2、...、ym
m
i
n
c
T
x
s
.
t
.
a
11
x
1
+
a
12
x
2
+
.
.
.
+
a
1
n
x
n
+
y
1
=
b
1
.
.
.
x
≥
0
min c^{T}x\\ s.t. a_{11}x_{1}+a_{12}x_{2}+...+a_{1n}x_{n} +y_{1}= b_{1}\\ .\\ .\\ .\\ x\geq0
mincTxs.t.a11x1+a12x2+...+a1nxn+y1=b1...x≥0
m
i
n
c
T
x
s
.
t
.
a
11
x
1
+
a
12
x
2
+
.
.
.
+
a
1
n
x
n
≥
b
1
.
.
.
x
≥
0
min c^{T}x\\ s.t. a_{11}x_{1}+a_{12}x_{2}+...+a_{1n}x_{n}\geq b_{1}\\ .\\ .\\ .\\ x\geq0
mincTxs.t.a11x1+a12x2+...+a1nxn≥b1...x≥0
也可减上剩余变量
y
1
、
y
2
、
.
.
.
、
y
m
y_{1}、y_{2}、...、y_{m}
y1、y2、...、ym
m
i
n
c
T
x
s
.
t
.
a
11
x
1
+
a
12
x
2
+
.
.
.
+
a
1
n
x
n
−
y
1
=
b
1
.
.
.
x
≥
0
min c^{T}x\\ s.t. a_{11}x_{1}+a_{12}x_{2}+...+a_{1n}x_{n} -y_{1}= b_{1}\\ .\\ .\\ .\\ x\geq0
mincTxs.t.a11x1+a12x2+...+a1nxn−y1=b1...x≥0
如果有变量满足非负性，则称为自由变量
假设
x
1
x_{1}
x1为自由变量，则可设
x
1
=
u
1
−
v
1
u
1
≥
0
v
1
≥
0
x_{1}=u_{1}-v_{1}\\ u_{1} \geq 0\\ v_{1} \geq 0
x1=u1−v1u1≥0v1≥0
也可通过用约束等式消掉
x
1
x_{1}
x1
m
i
n
x
1
+
2
x
2
+
8
x
3
s
.
t
.
x
1
+
12
x
2
+
x
3
=
10
x
1
+
x
2
+
x
3
=
8
min\ x_{1}+2x_{2}+8x_{3}\\ s.t. \ x_{1}+12x_{2}+x_{3}=10\\ x_{1}+x_{2}+x_{3}=8\\
min x1+2x2+8x3s.t. x1+12x2+x3=10x1+x2+x3=8
将
x
1
x_{1}
x1消去
x
1
=
10
−
12
x
2
+
x
3
x_{1}=10-12x_{2}+x_{3}
x1=10−12x2+x3
自由变量没有了，成为标准线性优化问题
m
i
n
x
1
+
2
x
2
+
8
x
3
s
.
t
.
10
−
12
x
2
+
x
3
+
12
x
2
+
x
3
=
10
10
−
12
x
2
+
x
3
+
x
2
+
x
3
=
8
min\ x_{1}+2x_{2}+8x_{3}\\ s.t. \ 10-12x_{2}+x_{3}+12x_{2}+x_{3}=10\\ 10-12x_{2}+x_{3}+x_{2}+x_{3}=8\\
min x1+2x2+8x3s.t. 10−12x2+x3+12x2+x3=1010−12x2+x3+x2+x3=8
1447
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
