灵敏度分析

对于标准线性规划问题
m a x   C T X s . t . A X = b ⃗ X ≥ 0 max\ C^TX\\ s.t. AX=\vec{b}\\ X\geq0 max CTXs.t.AX=b X0
若已知最优可行基矩阵B,如果某些参数发生某些变化,如何利用已知数据求取最优解?

目标函数变化

可行性条件不变,原来的最优顶点的最优性可能丧失,即检验数可能不满足最优性。
直接在原来的单纯行表中进行初等行变化,使得基变量的检验数为0。如果仍然满足最优性,则最优顶点不变。否则,在此基础上继续迭代即可。

右端常数列 b ⃗ \vec{b} b 变化

最优性条件仍然满足,检验数不变,但是可行域发生变化,可行性条件可能不满足。
此时用对偶单纯形法。

增加变量

基矩阵的维数不变(因为维数取决于约束条件的个数),仍然是 m × m m\times m m×m
计算新变量的检验数,如果满足最优性,则新变量是非基变量,设为0即可。如果不满足最优性,则加入单纯形表继续迭代。

系数矩阵变化

1、 变化的列向量 P r P_r Pr不在基矩阵中
此时,B不变,处理方法类似于新增加变量,即计算其检验数是否满足最优性条件。
2、变化的列向量 P r P_r Pr在基矩阵中
此时B发生变化,要重新计算 B − 1 B^-1 B1
如果满足原问题的可行行条件,用单纯形法。
如果满足原问题的最优性条件(即满足对偶问题的可行性条件),用对偶单纯形法。
如果两者都不满足,则要重新开始计算,引入新的人工变量,用两阶段法等重新计算。

增加约束条件

此时可行域变小,问题的关键在于判断原理的最优顶点是否还在新问题的可行域中。
如果当前最优解仍然满足新的约束条件,则最优解不变。
如果不满足,则要用两阶段法等重新计算。
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