第6讲 线性规划与单纯形法(几何意义)
线性规划的几何意义
图解法
线性规划的维度 | 变量 | 可行域维度 | 图像维度 |
---|---|---|---|
1 | x 1 x_1 x1 | 1(线段) | 1 |
2 | x 1 、 x 2 x_1、x_2 x1、x2 | 2(平面) | 2 |
3 | x 1 、 x 2 、 x 3 x_1、x_2、x_3 x1、x2、x3 | 3(立体) | 3 |
n | x 1 、 x 2 、 … 、 x n x_1、x_2、\dots、x_n x1、x2、…、xn | n(n维超立方体) | n |
图解法有很大局限性,在二维情况下最好用,三维理论上可以,但很难操作,基本不使用。因此,当维度较高时需要使用单纯形法。
单纯形法
单纯形法的核心思想
- 解出所有约束方程的交点,包括可行域的顶点和非可行域的顶点。(只要约束条件有限,交点个数一定是有限的。)
- 把所有交点的坐标带入目标函数中,其对应的函数值中最大的就是最大值,最小的就是最小值。
局限性:当交点数量过多时,计算量过大。
试点法
由于枚举法的工作量较大,因此采用试点法,即先选择一个点,然后研究其周边的点,如果最开始的点对应的函数值最大或最小,则其为最优解。
单纯形
在某个维度下面数最少或边数最少的线性几何图形。
维度 | 单纯形 |
---|---|
0 | 点 |
1 | 线段 |
2 | 三角形 |
3 | 四面体 |
解的情况
线性规划问题的求解结果有3种:无穷多最优解(多重最优解)、无界解和无解。
如果可行域是封闭的则一定有最优解,可能有唯一最优解或无穷多个最优解。如果可行域是无界的,可能在无界处取到无界解,也可能有唯一最优解或无穷多个最优解。如果画不出可行域,则无解。
几个定理
定理1(教材P24):若线性规划问题存在可行域,则其可行域是凸集。
定理2(教材P25):线性规划问题的基可行解 X X X对应于可行域 D D D的顶点。
定理3(教材P26):若可行域有界,线性规划问题的目标函数一定可以在其可行域的顶点上达到最优。
总结
对于线性规划问题,由于图解法在处理三维及以上的情况时会失效,因此需要使用单纯形法。同时由于枚举法的工作量较大,因此采用试点法,即先选择一个点,然后研究其周边的点,如果最开始的点对应的函数值最大或最小,则其为最优解。
如果可行域是封闭的则一定有最优解,可能有唯一最优解或无穷多个最优解。如果可行域是无界的,可能在无界处取到无界解,也可能有唯一最优解或无穷多个最优解。如果画不出可行域,则无解。
可行域是凸集。