线性规划之单纯形

1、线性规划的标准型

目标函数：

$$\max Z=c_1{x}_1+c_2{x}_2+\cdots +c_n{x}_n\text{\hspace{1em}(1)}$$

约束条件：

(2) s . t . { a 11 x 1 + a 12 x 2 + ⋯ + a 1 n x n = b 1 a 21 x 2 + a 22 x 2 + ⋯ + a 2 n x n = b 2 ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ a m 1 x 1 + a m 2 x 2 + ⋯ + a m n x n = b m x 1 , x 2 , … , x n ≥ 0 b 1 , b 2 , … , b n ≥ 0 s.t.\left\{ \begin{aligned} & a_{11}x_1+a_{12}x_2+\dots+a_{1n}x_n=b_1 \\ & a_{21}x_2+a_{22}x_2+\dots+a_{2n}x_n=b_2 \\ & \cdots \cdots \cdots \cdots \cdots \cdots \cdots \cdots \cdots \cdots \\ & a_{m1}x_1+a_{m2}x_2+\dots+a_{mn}x_n=b_m \\ & x_1,x_2,\dots,x_n \geq 0 \quad b_1,b_2,\dots,b_n\geq 0 \\ \tag{2} \end{aligned} \right. s.t.⎩⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎧​​a11​x1​+a12​x2​+⋯+a1n​xn​=b1​a21​x2​+a22​x2​+⋯+a2n​xn​=b2​⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯am1​x1​+am2​x2​+⋯+amn​xn​=bm​x1​,x2​,…,xn​≥0b1​,b2​,…,bn​≥0​(2)

简记

目标函数最大
约束条件等式
决策变量非负
资源变量非负

向量形式

$$\begin{gathered} \max Z=CX \\ s.t.\{\begin{array}{rl}& \sum _{i=1}^n{P}_j{x}_j=bi=1,2,\dots ,m\\ & x_j\ge 0j=1,2,\dots ,n\end{array}\text{\hspace{1em}(3)} \end{gathered}$$

矩阵形式

$$\begin{gathered} \max Z=CX \\ s.t.\{\begin{array}{rl}& AX=b\\ & X\ge 0\end{array}\text{\hspace{1em}(4)} \end{gathered}$$

线性规划问题解的概念

最优解：使目标函数$(1)$达到最大值的可行解。
基：设$A$是约束方程组$(2)$的$m\times n$阶系数矩阵$(n>m)$，其秩为$m$，$B$是$A$的一个$m\times m$阶的满秩子矩阵，称$B$是线性规划问题的一个基
$$B=\left[\begin{array}{cccc}{a}_{11}& a_{12}& \dots & a_{1m}\\ ⋮& ⋮& ⋮& ⋮\\ a_{m1}& a_{m2}& \dots & a_{mm}\end{array}\right]=(P_1,\dots ,P_j,\dots ,P_m)\text{\hspace{1em}(5)}$$
上式中$P_j,j=1,\dots ,m$为基向量，$x_j$为相应基向量的基变量，除基变量以外的变量称为非基变量。
基解：在约束方程组$(2)$中，令所有非基变量$x_{m+1}=x_{m+2}=\cdots =x_n=0$，因为$|B|̸=0$，据克莱姆法则，对于$(2)$可以求出唯一解$X_B=(x_1,x_2,\dots ,x_m{)}^T$。称$X=(x_1,x_2,\dots ,x_m,0,0,\dots ,0{)}^T$为基解。
基可行解：满足变量非负约束条件$(3)$的基解。
可行基：对应基可行解的基。

单纯形法原理

凸集、顶点及几个定理

设$K$是$n$维欧式空间的一点集，若$\forall X^{(1)}\in K,X^{(2)}\in K$的连线上的所有点$a{X}^{(1)}+(1-a)X^{(2)}\in K,0\le a\le 1$，则称$K$为凸集。
设$K$是凸集，$X\in K$；若$X$不能用不同的两点$X^{(1)}\in K$和$X^{(2)}\in K$的线性组合表示为$X=a{X}^{(1)}+(1-a)X^{(2)},0<a<1$，则称$X$为$K$的一个顶点（或极点）。

几点结论：

（1）可行域若有界则是凸集，也可能是无界域；
（2）每个基可行解对应可行域的一个顶点；
（3）可行域有有限多个顶点；
（4）如果有最优解，必在某个顶点上得到。

“箭尾的解一定是箭头的解，反之不一定成立。”

单纯形法的迭代思路

单纯形法的迭代原理

$$\begin{gathered} \max Z=CX \\ s.t.\{\begin{array}{rl}& \sum _{i=1}^n{P}_j{x}_j=P_1{x}_1+P_2{x}_2+\cdots +P_n{x}_n=b\\ & x_j\ge 0,j=1,2,\dots ,n\end{array}\text{\hspace{1em}(6)} \end{gathered}$$

(1) 构造初始可行基

$$B=(P_1,P_2,\dots ,P_m)={\left[\begin{array}{cccc}1& 0& \dots & 0\\ 0& 1& \dots & 0\\ ⋮& ⋮& & ⋮\\ 0& 0& \dots & 1\end{array}\right]}_{m\times m}\text{\hspace{1em}(7)}$$

• 直接观察一个可行基$|B|̸=0$;
• $\le$约束，加松弛变量；
• $\ge$约束，加人工变量。

(8) s . t . { x 1 + a 1 m + 1 x m + 1 + ⋯ + a 1 n x n = b 1 x 2 + a 2 m + 1 x m + 1 + ⋯ + a 2 n x n = b 2 ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ x m + a m m + 1 x m + 1 + ⋯ + a m n x n = b m x 1 , x 2 , … , x n ≥ 0 b 1 , b 2 , … , b n ≥ 0 s.t.\left\{ \begin{aligned} &amp; x_1 \qquad \qquad \qquad+a_{1m+1}x_{m+1}+\dots+a_{1n}x_n=b_1 \\ &amp; \qquad x_2 \qquad \qquad +a_{2m+1}x_{m+1}+\dots+a_{2n}x_n=b_2 \\ &amp; \cdots \cdots \cdots \cdots \cdots \cdots \cdots \cdots \cdots \cdots \\ &amp; \qquad \qquad \qquad x_m +a_{mm+1}x_{m+1}+\dots+a_{mn}x_n=b_m \\ &amp; x_1,x_2,\dots,x_n \geq 0 \quad b_1,b_2,\dots,b_n\geq 0 \\ \tag{8} \end{aligned} \right. s.t.⎩⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎧​​x1​+a1m+1​xm+1​+⋯+a1n​xn​=b1​x2​+a2m+1​xm+1​+⋯+a2n​xn​=b2​⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯xm​+amm+1​xm+1​+⋯+amn​xn​=bm​x1​,x2​,…,xn​≥0b1​,b2​,…,bn​≥0​(8)
显然，松弛变量的系数矩阵构成一个可行基。

(2) 基变换

两个基可行解相邻，两者可变换且仅变换一个基变量。

设初始基可行解为：$X^{(0)}=(x_1^0,x_2^0,\dots ,x_m^0,0,\dots ,0{)}^T$;
将初始基可行解代入式$(4)$中，得 ${\sum }_{i=1}^m{P}_i{x}_i^0=b$;
写出系数矩阵得增广矩阵：
$$(P_1,P_2,\dots ,P_m，P_{m+1},\dots ,P_j\dots ,P_n,b)={\left[\begin{array}{cccccccccc}1& 0& \dots & 0& a_{1,m+1}& \dots & a_{1j}& \dots & a_{1n}& b_1\\ 0& 1& \dots & 0& a_{2,m+1}& \dots & a_{2j}& \dots & a_{2n}& b_2\\ ⋮& ⋮& & ⋮& ⋮& \dots & ⋮& \dots & ⋮& ⋮\\ 0& 0& \dots & 1& a_{m,m+1}& \dots & a_{mj}& \dots & a_{mn}& b_m\end{array}\right]}_{m\times n}\text{\hspace{1em}(9)}$$
可得 $P_j={\sum }_{i=1}^m{a}_{ij}{P}_i$ $\to$ $P_j-{\sum }_{i=1}^m{a}_{ij}{P}_i=0$;
在上式中乘一个正数 $\theta >0$，得
$$\begin{array}{rl}\theta (P_j-\sum _{i=1}^m{a}_{ij}{P}_i)& =0\\ \sum _{i=1}^m{P}_i{x}_i^0& =b\end{array}\}\sum _{i=1}^m(x_i^0-\theta a_{ij})P_i+\theta P_j=b\text{\hspace{1em}(10)}$$
由 ${\sum }_{i=1}^m(x_i^0-\theta a_{ij})P_i+\theta P_j=b$ 可找到满足原约束方程组 ${\sum }_{j=1}^n{P}_j{x}_j=b$ 的另一个点：
$$X^{(1)}=(x_1^0-\theta a_{1j},\dots ,x_m^0-\theta a_{mj},0,\dots ,\theta ,0{)}^T\text{\hspace{1em}(11)}$$
要使式$(11)$是一个基可行解，则应对所有$i=1,2,\dots ,m$
存在 $x_i^0-\theta a_{ij}\ge 0$ (先要使其可行)
令这 $m$ 个不等式至少有一个等号成立，且当 $a_{ij}\le 0$ 时，上式依然成立，故可令
(12) θ = min ⁡ l { x i 0 a i j ∣ a i j &gt; 0 } = x l 0 a l j \theta = \min \limits_{l} \{\frac{x_i^0}{a_{ij}}|a_{ij}&gt;0\}=\frac{x_l^0}{a_{lj}} \tag{12} θ=lmin​{aij​xi0​​∣aij​>0}=alj​xl0​​(12)
可确保
$$x_i^0-\theta a_{ij}\{\begin{array}{rl}& =0,i=l\\ & \ge 0,i̸=l\end{array}\text{\hspace{1em}(13)}$$
$\therefore X^{(1)}=(x_1^0-\theta a_{ij},\dots ,x_m^0-\theta a_{ij},0,\dots ,\theta ,\dots ,0{)}^T$ 是可行解。
此时与 $x_1^1,\dots ,x_{l-1}^1,x_j^1,x_{l+1}^1,\dots ,x_m^1$ 对应的基向量：
$$(P_1,\dots ,P_{l-1},P_j,P_{l+1},\dots ,P_m)={\left[\begin{array}{ccccccc}1& \dots & 0& a_{1j}& 0& \dots & 0\\ 0& \dots & 0& a_{2j}& 0& \dots & 0\\ ⋮& & ⋮& ⋮& ⋮& & ⋮\\ 0& \dots & 0& a_{mj}& 0& \dots & 1\end{array}\right]}_{m\times m}\text{\hspace{1em}(14)}$$
通过初等行变换使 $P_j=(0,0,\dots ,0,1,0,\dots ,0{)}^T$。

(3) 最优性检验和解的判别

将上述 $X^{(0)}$，$X^{(1)}$ 分别代入目标函数 $z={\sum }_{j=1}^n{c}_j{x}_j$，得
$$z^{(0)}=\sum _{i=1}^m{c}_i{x}_i\text{\hspace{1em}(15)}$$
$$z^{(1)}=\sum _{i=1}^m{c}_i(x_i^0-\theta a_{ij})+\theta c_j=\sum _{i=1}^m{c}_i{x}_i^0+\theta (c_j-\sum _{i=1}^m{c}_i{a}_{ij})=z^{(0)}+\theta (c_j-\sum _{i=1}^m{c}_i{a}_{ij})\text{\hspace{1em}(16)}$$
式中 $\theta >0$，称 ${\sigma }_j=(c_j-{\sum }_{i=1}^m{c}_i{a}_{ij})$ 为检验数。

1. 当所有 ${\sigma }_j\le 0$，当前顶点（基可行解）的目标函数已是最大值，即为最优解；
2. 当所有 ${\sigma }_j\le 0$，又有某个非基变量 $x_j$ 的检验数为0，则在另一个顶点也使目标函数达到最大，两点连线上的所有点都是最优解，即无穷多最优解，当所有非基变量的检验数 ${\sigma }_j<0$ 时，有唯一最优解；
   最优解判别定理：
   若 $X^{(0)}=(b_1^{\prime },b_2^{\prime },\dots ,b_m^{\prime },0,\dots ,0{)}^T$ 为基可行解，且全部 ${\sigma }_j\le 0,j=m+1,\dots ,n$，则 $X^{(0)}$ 为最优解，若存在一个非基变量 $x_{m+k}$ 对应的检验数 ${\sigma }_{m+k}=0$，则存在无穷多最优解；且全部 ${\sigma }_j<0,j=m+1,\dots ,n$，则 $X^{(0)}$ 为唯一最优解。
   无界解判别定理：
   若有一个非基变量$x_{m+k}$ 的 ${\sigma }_{m+k}>0$，而其对应非基变量的所有系数 $a_{i,m+k}\le 0,i=1,2,\dots ,m$，则具有无界解。

计算步骤

（1） 求初始基可行解，列出初始单纯形表
（2）最优性检验
（3）基变换

• 1，确定换入基的变量
  只要有检验数大于0，对应的变量就可作为换入变量，当有一个以上检验数大于0时，一般从中选取最大的一个：
  (17) σ k = max ⁡ j { σ j ∣ σ j &gt; 0 } \sigma_k=\max \limits_{j}\{\sigma_j|\sigma_j&gt;0\}\tag{17} σk​=jmax​{σj​∣σj​>0}(17)
  其对应的变量 $x_k$ 作为换入变量。
• 2，确定换出基的变量
  根据确定 $\theta$ 最小比值规则，对 $P_k$ 列计算可得：
  (18) θ = min ⁡ { b i a i k ∣ a i k &gt; 0 } = b l a l k \theta = \min\{\frac{b_i}{a_{ik}}|a_{ik}&gt;0\}=\frac{b_l}{a_{lk}}\tag{18} θ=min{aik​bi​​∣aik​>0}=alk​bl​​(18)
  其对应的变量 $x_l$ 作为换出变量。
  元素 $a_{lk}$ 决定了从一个基可行解到相邻基可行解的转移去向，称之为主元素。
• 3，迭代变换
  用换入变量 $x_k$ 去替换基变量中的换出变量 $x_l$，得到一个新的基 $(P_1,\dots ,P_{l-1},P_k,P_{l+1},\dots ,P_m)$。对应这个基可以找到一个新的基可行解，并相应地可以画出一张新的单纯形表。