标准型的对偶问题
线性规划的标准型如下:
目
标
函
数
:
m
a
x
c
1
x
1
+
c
2
x
2
+
.
.
.
+
c
n
x
n
等
式
约
束
:
P
1
x
1
+
P
2
x
2
+
.
.
.
+
P
n
x
n
=
b
⃗
非
负
性
约
束
:
x
j
≥
0
目标函数:max \ \ \ c_1x_1+c_2x_2+...+c_nx_n \\ 等式约束:P_1x_1+P_2x_2+...+P_nx_n=\vec{b}\\ 非负性约束:x_j\geq0\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \
目标函数:max c1x1+c2x2+...+cnxn等式约束:P1x1+P2x2+...+Pnxn=b非负性约束:xj≥0
直观的感觉,原问题和对偶问题互相为界,因此只有二者在都去的最优目标函数的时候才能建立起来联系。
找到最优目标函数,实质是找到最优基矩阵B。
可
行
性
条
件
(
基
变
量
满
足
非
负
性
约
束
)
:
B
−
1
b
⃗
≥
0
非
基
变
量
都
是
0
,
自
动
满
足
可
行
性
条
件
。
最
优
性
条
件
:
σ
j
(
i
)
=
c
j
(
i
)
−
C
B
T
B
−
1
P
j
(
i
)
=
0
i
≤
m
(
基
变
量
的
检
验
数
等
于
0
)
σ
j
(
i
)
=
c
j
(
i
)
−
C
B
T
B
−
1
P
j
(
i
)
≤
0
i
≥
m
+
1
(
非
基
变
量
的
检
验
数
小
于
等
于
0
)
可行性条件(基变量满足非负性约束):B^{-1}\vec{b} \geq0 \\ 非基变量都是0,自动满足可行性条件。\\ 最优性条件:\\ \sigma_{j(i)}=c_{j(i)}-C_{B}^{T}B^{-1}P_{j(i)}=0 \ \ i\leq m(基变量的检验数等于0)\\ \sigma_{j(i)}=c_{j(i)}-C_{B}^{T}B^{-1}P_{j(i)} \leq 0 \ \ i\geq m+1(非基变量的检验数小于等于0)\\
可行性条件(基变量满足非负性约束):B−1b≥0非基变量都是0,自动满足可行性条件。最优性条件:σj(i)=cj(i)−CBTB−1Pj(i)=0 i≤m(基变量的检验数等于0)σj(i)=cj(i)−CBTB−1Pj(i)≤0 i≥m+1(非基变量的检验数小于等于0)
考虑通过最优性条件构建对偶问题的决策变量:
这里的
Y
B
Y_B
YB就是对偶问题达到最优时的决策变量,是一个m维的列向量。
对偶问题的最优性条件由原问题的可行性条件构建:
总结
注意:
- 原问题和对偶问题的决策变量并无关联,他们互相为界,仅仅在最优处取得联系。
- 原问题的约束条件对应对偶问题的决策变量,因此对偶问题有m个决策变量。
- 原问题的决策变量对应对偶问题的约束条件,n个。
- 这里的对偶问题的决策变量没有非负性约束,因此转化为标准型需要做两件事,第一是将自由变量转化为非负性约束的变量,第二是将不等式约束转化为等式约束。
一般线性规划问题的对偶问题
原问题
对偶问题
原问题和对偶问题解的情况
- 当原问题存在有限最优解时,对偶问题也有。
- 当原问题无界时,对偶问题没有有限的可行解。当原问题无界时,即无法构建出最优性条件,而原问题的最优性条件恰恰是对偶问题的可行性条件。
- 当原问题没有无可行解时,对偶问题的情况不确定
原问题和对偶问题总结
1.如果原问题是求最大,则对偶问题求最小,反之亦然。
2. 原问题的决策变量对应对偶问题的约束条件,原问题的约束条件对应对偶问题的决策变量。
3. 原问题的约束决策变量对应对偶问题的不等式约束,不等号的方向取决于原问题求最大值还是最小值;原问题的自由决策变量对应对偶问题的等式约束。
4. 原问题的不等式约束对应对偶问题的约束决策变量(要求非负),原问题的等式约束对应对偶问题的自由变量。
求对偶问题的一般方法
- 把b和c互换位置,系数矩阵改成转置,求最值反转。(如果原问题求最大,则对偶问题求最小)
- 确定对偶问题中哪些是等式约束,哪些是不等式约束:每个约束都对应于原问题的决策变量,约束决策变量对应不等式,自由决策变量对应等式。
- 确定不等式约束中不等号的方向:如果原问题是求最大,则是大于号;否则是小于号。
- 确定对偶问题中哪些是约束决策变量:取决于该问题对应的原问题的约束条件是否为不等式约束。
三种常见形式的对偶问题
- 标准形式
原问题
max c T X s . t . A X = b X ≥ 0 \max{c^TX} \\s.t. AX=b \\ X\geq 0\\ maxcTXs.t.AX=bX≥0
对偶问题
min b T Y s . t . A T Y ≥ c \min{b^T}Y \\ s.t. A^TY \geq c \\ minbTYs.t.ATY≥c - 规范形式
原问题
min c T X s . t . A X ≥ b X ≥ 0 \min{c^TX} \\s.t. AX \geq b \\ X\geq 0\\ mincTXs.t.AX≥bX≥0
对偶问题
max b T Y s . t . A T Y ≤ c Y ≥ 0 \max{b^T}Y \\ s.t. A^TY \leq c \\ Y \geq 0 maxbTYs.t.ATY≤cY≥0 - 一般形式.