单纯形法中大m法_线性规划 第五讲 单纯形法及进一步讲解(大M法).ppt

本文详细介绍了线性规划中的大M法,解释了如何通过加入人工变量和设置负向的M值来构造初始可行基。讨论了在目标函数中添加罚因子-M以确保人工变量为零时的最优解。通过实例展示了单纯形法的计算过程,包括初始单纯形表的建立和迭代优化,直至找到最优解。
摘要由CSDN通过智能技术生成

线性规划 第五讲 单纯形法及进一步讲解(大M法)

一、大M法 二、两阶段法 人工变量法 加入人工变量,构造初始可行基. 一、大 M 法 人工变量在目标函数中的系数为 -M, 其中,M 为任意大的正数。 例: 求解线性规划问题 解: 单纯形法计算中的几个问题 上页 下页 返回 第五讲 单纯形法的进一步讨论 ----人工变量法 问题:线性规划 问题化为标准形时, 若约束条件的系数 矩阵中不存在单位 矩阵,如何构造 初始可行基? 人工变量法 加入 人工变量 设线性规划问题的标准型为: 人工变量法 约束条件已改变, 目标函数如何调整? 人工变量法 “惩罚” 人工变量! (1)大M法 目标函数中添加“罚因子” -M(M是任意大的正数) 为人工变量系数,只要人 工变量>0,则目标函数 不可能实现最优。 一、大 M 法 一、大 M 法 加入松弛变量和剩余变量进行标准 化, 加入人工变量构造初始可行基. 求解结果出现检验数非正 若基变量中含非零的人工变量, 则无可行解; 否则,有最优解。 一、大 M 法 用单纯形法求解(见下页)。 目标函数中添加“罚因子” -M为人工变量系数,只要人 工变量>0,则目标函数 不可能实现最优。 1 -2 1 -4 1 2 -2 0 1 3-6M M -1 3M-1 3 -1 -1 x1 x2 x3 0 x4 11 -M x6 3 -M x7 1 σj C j CB XB b 1 0 0 -1 0 0 0 -M 0 0 x4 x5 11 3/2 1 0 0 1 0 0 1 0 0 - M - M x6 x7 表1(初始单纯形表) 一、大 M 法(单纯形法求解) 3 -2 0 0 1 0 -2 0 1 1 M-1 0 3 -1 -1 x1 x2 x3 0 x4 10 -M x6 1 -1 x3 1 σj C j CB XB b 1 0 0 -1 0 0 0 -M 0 0 x4 x5 1 0 -1 1 -2 0 1 0 1-3M - M - M x6 x7 一、大 M 法(单纯形法求解) 表2 3 0 0 0 1 0 -2 0 1 1 0 0 3 -1 -1 x1 x2 x3 0 x4 12 -1 x2 1 -1 x3 1 σj C j CB XB b 1 -2 0 -1 0 0 0 -1 0 0 x4 x5 4 i 2 -5 1 -2 0 1 1-M -1 -M - M - M x6 x7 表3 一、大 M 法(单纯形法求解) 1 0 0 0 1 0 0 0 1 0 0 0 3 -1 -1 x1 x2 x3 3 x1 4 -1 x2 1 -1 x3 9 2 C j CB XB b

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