单纯形法只有两个约束条件_【Intro to OR读书笔记】直观理解对偶理论：单纯形法的视角...

最新推荐文章于 2024-01-04 20:32:07 发布

不藏私面包匠人

最新推荐文章于 2024-01-04 20:32:07 发布

阅读量657

点赞数

文章标签：单纯形法只有两个约束条件

本文链接：https://blog.csdn.net/weixin_35721505/article/details/112360289

版权

本文是《Intro to OR》读书笔记，通过解析Wyndor Glass Co. Problem阐述对偶理论的直观理解。从单纯形法的初等行变换出发，揭示每次迭代后单纯形表的结构，进而引出对偶问题。通过对单纯形表的分析，讨论了弱对偶性和强对偶性的概念，指出对偶问题在判断原问题最优解中的作用。

摘要由CSDN通过智能技术生成

引言

对偶理论是运筹学里面非常重要的知识点，我一直想直观地理解对偶理论的来龙去脉。但是，现有的介绍对偶理论的文章通常在开头就直接给出原问题和对偶问题的表达式，没有一个自然地“引出”对偶问题的过程。最近读了《Introduction to Operations Research》，非常喜欢里面对于对偶理论的引出和解释，仅以此文作为学习笔记。

1 从单纯形法说起

《Introduction to Operations Research》中反复用到了如下的例子，称为“Wyndor Glass Co. Problem”。

Wyndor Glass Co. Problem

用单纯形法求解的过程如下：

Wydor Glass Co. Problem的求解过程

0到1、1到2的这两步，其实就是矩阵的初等行变换。由线性代数的知识可以知道，第

次初等行变换可以表示为左乘一个矩阵

（下一段说明了这里为什么写成矩阵的逆的形式）。因此，理论上说，从0到2的变换可以用一个矩阵

表示，该矩阵是每一步的初等行变换的矩阵的乘积

。

更精巧的是，从0到任意第

步的变换矩阵

，都是这一步对应的

基变量，在约束矩阵中对应的基向量 经过重新排列得到的矩阵

的逆。

这里的“基变量”，指的是已经完成入基和出基操作之后的基变量。这里的“重新排列”指的是在初始的约束方程组的基向量矩阵

中，将入基变量对应的基向量与出基变量的基向量进行交换。

具体的过程详见下面的手写笔记。

每一步变换的

数值可以通过下面的这个Python程序验证：

import numpy as np
B_1 = np.matrix([[1., 0., 0.],
                 [0., 2., 0.],
                 [0., 2., 1.]])
B_1_I = B_1.I
print("B_1_I")
print(B_1_I)
print("n")

B_2 = np.matrix([[1., 0., 1.],
                 [0., 1., 0.],
                 [0., 0., 3.]])
B_2_I = B_2.I
print("B_2_I")
print(B_2_I)
print("n")

B_3 = np.matrix([[1., 0., 1.],
                 [0., 2., 0.],
                 [0., 2., 3.]])
B_3_I = B_3.I
print("B_3_I")
print(B_3_I)
print("n")

print("B_2_I*B_1_I")
print(B_2_I*B_1_I)
print("n")

# IF B_3_I = B_x *B_1_I, B_x = B_3_I *B_1_I.I
B_x = B_3_I *B_1_I.I
print("B_x.I")
print(B_x.I)
print("n")

这样一来，我们就得到了一个很有意思的结论：

从初始的单纯形表迭代任意次，其结果都可以表示为如下形式：