【课堂笔记】运筹学第二章:对偶问题

标题~


听说运筹学这门课挺好的,有值得一听的必要;此篇用作课堂总结、期末复习及记录。
或许与教材内容会有很大程度重复。

本系列文章主要用于笔者期末复习,行文混乱,请见谅

本章开始会适当结合一些B站网课【运筹学】应试向基础教程

备考补充及零碎知识点

  • 对偶问题的对偶问题就是原问题
  • 矩阵表达
  • 要弄清楚矩阵 A A A C C C分别是什么
    在这里插入图片描述
  • 最好记住这几个矩阵,进而记住弱对偶定理,松弛定理

弱对偶定理

在这里插入图片描述

结合着矩阵形式表述

推论

  • 原问题最优解目标函数值是对偶问题目标函数值的下界,对偶问题最优解目标函数值是原问题目标函数值的上界

    对偶问题的解一定大于原问题的解

  • 原问题有无界解→对偶问题无可行解,对偶问题有无界解→原问题无可行解,但逆不成立(对偶问题无可行解时,原问题也可能无可行解)
  • 原问题有可行解而对偶问题无可行解→原问题为无界解,反之(对调"原问题"和"对偶问题")亦然

最优性

在这里插入图片描述

强对偶定理

在这里插入图片描述

互补松弛性✨

互补松弛性😦双最优解情况下)若原问题中某一约束条件对应的对偶变量( y i y_i yi)值为非零,则该约束条件取严格等式;若约束条件取严格不等式,则其对应的对偶变量一定为0,即:

  • y i > 0 y_{i}>\mathbf{0} yi>0 ,则有 ∑ j = 1 n a i j x j = b i \sum_{j=1}^{n} a_{i j} x_{j}=b_{i} j=1naijxj=bi , 即松弛变量值为 0
  • ∑ j = 1 n a i j x j < b i \sum_{j=1}^{n} a_{i j} x_{j}<b_{i} j=1naijxj<bi , 即松弛变量值不为 0 ,则有 y i = 0 y_{i}=0 yi=0

证明过程(推荐看一看)

在这里插入图片描述

换言之:对偶变量和松弛变量的乘积为0

例子

在这里插入图片描述
本题中, y 1 y_1 y1为0,对应第一个松弛变量 x 3 x_3 x3不为0
y 2 , y 3 y_2,y_3 y2,y3不为0,对应第二第三个松弛变量 x 4 , x 5 x_4,x_5 x4,x5不为0

应用

知道了对偶表的最终表,就知道了飞机变量,从而知道了基变量.

影子价格

定义

单位第 i i i种资源在最优方案中做出贡献的估价

做法:通过求导得到每一种资源带来的利润的提升是多少

内涵

资源的影子价格有赖于资源的利用情况,即当目前一组基变量用于获得原问题最优解时,对偶变量 y i y_i yi每单位对利润的贡献。(需要区别于资源的市场价格)
在这里插入图片描述
根据互补松弛性质,有如下结论:

  • 第i种资源未充分利用→其边际价格为0
  • 第i种资源的边际价格不为0→其已耗尽

注意

当出现退化的最优解时,会出现第i种资源恰好耗尽,而非稀缺,但其影子价格 y i y_i yi仍大于0的情况(对应 y i y_i yi的第i个约束条件的松弛变量取值为0),此时 b i b_i bi值的任何增加只会带来该种资源的剩余,而不增加利润值。

比如 这种值正好耗尽,同时其他值也耗尽了,这时候只增加这个值,没有用!

问题

什么叫退化的最优解

检验数的意义

在这里插入图片描述

问题

为什么 y i = C B B − 1 y_i=C_BB^{-1} yi=CBB1
附上课件的解答,这个我也不知道为什么
在这里插入图片描述

问题:什么是退化的最优解

对偶问题的引入

所有问题一定能找到对偶问题,但是其对偶问题不一定有意义.

在这里插入图片描述

从另一个角度思考

假设公司A想要收购这家公司的全部资源A、B、C自己生产

公司A的角度思考:
公司A的获利最大化——目标(以最小代价收购)
这家公司愿意出让这些资源——约束(出让所得不小于原有盈利)
y 1 , y 2 , y 3 y_1,y_2,y_3 y1,y2,y3表示A、B与C三种资源的出让代价,

在这里插入图片描述

总结

原问题对偶问题
收益最大化代价最小化
方程的个数,即种类的个数决策变量数
价值系数对偶问题右端的项向量,即 约束
资源的 约束价值系数

对偶问题的一般形式

原问题

在这里插入图片描述

对偶问题

y i ( i = 1 , 2... m ) y_i(i=1,2...m) yi(i=1,2...m)表示第 i i i种资源的估价
在这里插入图片描述

✨以矩阵描述(更加直观)

在这里插入图片描述

多做题,就知道什么是对偶了

对称形式

在这里插入图片描述

与前面内容有所重复, B , C B,C B,C互换, A A A转置

上面讲的都是对称形式

非对称形式✨✨✨【一定要掌握】

转化有一定的规律,下面是详细的推导过程
在这里插入图片描述
在这里插入图片描述

规律

类似对称形式的,约束条件的符号决定了变量,变量的符号决定了约束条件
⚠️注意我们说的是max向min转化的问题
⚠️如果反过来,那么最后两行的"变号" "不变号"也要对调.
在这里插入图片描述

推导过程

复习单纯形法计算过程

在这里插入图片描述

在这里插入图片描述
为了防止这个地方听不懂,做一点说明:
检验数: σ j = c j − z j = c j − C B B − 1 P j \sigma_{\mathrm{j}}=\mathrm{c}_{{j}}-z_{j} =c_j - {C}_{\mathrm{B}}B^{-1}P_j \quad σj=cjzj=cjCBB1Pj
其中P是第 j j j列变量前的系数(参考第一章)

  • 考虑所有基变量的列:前m列所有 P j P_j Pj合起来就变成了矩阵 B B B
    所以检验数: C B − C B B − 1 P j = C B − C B B − 1 B = 0 {C}_{\mathrm{B}} - {C}_{\mathrm{B}}B^{-1}P_j={C}_{\mathrm{B}} - {C}_{\mathrm{B}}B^{-1}B=0 CBCBB1Pj=CBCBB1B=0
  • 考虑所有飞机变量中的 X N X_N XN列:这些列合起来变成了矩阵 N N N
    所以同理,检验数: C N − C B B − 1 N {C}_{\mathrm{N}} - {C}_{\mathrm{B}}B^{-1}N CNCBB1N
  • 考虑松弛变量 X S X_S XS,松弛变量的价值系数为0,则有
    检验数: 0 − C B B − 1 E = − C B B − 1 0- {C}_{\mathrm{B}}B^{-1}E=- {C}_{\mathrm{B}}B^{-1} 0CBB1E=CBB1

剩下的,见小字部分:推导出了②③式,然后换元

举例说明

在这里插入图片描述

对偶单纯形法

单纯形法基本思路

先寻找到初始基可行解,判断所有检验数是否小于等于0。若是,查看基变量中是否有人工变量,若无非零人工变量,即找到了最优解;若为否,再找出相邻目标函数值更大的基可行解,并继续判别,直到找出最优解

❓问题:怎么(什么时候)添加人工变量

❓问题:有非零人工变量怎么办

对偶单纯形法基本思路

同样的,先找对偶问题的可行解再找对偶问题最优解

  • 最优性看检验数 σ j \sigma_j σj
  • 可行性看右端项 b i b_i bi

确定初始基解

与单纯形法不同,并不要求资源限量 b i b_i bi为正
但是,当所有 b i b_i bi为正,意味着原问题取到可行解,那么此时原问题和对偶问题得到的都是最优解
在这里插入图片描述

  • 先确定出基,是b里最小的

问题 为什么对偶问题的最优性一直都是满足的

跟单纯形法的区别与联系✨✨

  • 单纯形法先确定入基变量,是最大的检验数(检验数:基变量一定为0,一部分小于零一部分大于零),对偶先确定出基变量,是最小的 b ( b < 0 ) b(b<0) b(b<0)【单纯形法先列后行,对偶单纯形法先行后列】
    ✨✨🙌检验数 σ \sigma σ非正,代表对偶问题有可行解;左边的b非负,代表原问题有可行解。

  • 单纯形法随后确定出基变量,是检验数 θ i = b i j a i \theta_i=\frac{b_{ij}}{a_i} θi=aibij最小的,【零和负数忽略!】;对偶单纯形法确定入基变量,选择 θ = min ⁡ { c j − z j a r j ∣ a r j < 0 } = c s − z s a r s \theta=\min \left\{\frac{c_{j}-z_{j}}{a_{r j}} \mid a_{r j}<0\right\}=\frac{c_{s}-z_{s}}{a_{r s}} θ=min{arjcjzjarj<0}=arscszs最小的【零和正数忽略!】【先算出 σ \sigma σ再算出 θ \theta θ的】【 z s z_s zs就是每一行 C B i ∗ a i s C_{Bi}*a_{is} CBiais求和的值
    【对偶单纯形法中的 σ \sigma σ b b b跟原单纯形法是相反的,所以事实上是一样的】

  • 单纯形法中最后判断的方式是检验 σ \sigma σ全部小于等于零,而始终保证 b i b_i bi全部大于等于零;而对偶单纯形法相反,最后判断的 b i b_i bi是否全部大于等于零,始终保证检验数 σ \sigma σ全部小于等于零。⚠️⚠️⚠️⚠️

  • 【在后面做题时发现,上面这些条件需要原问题为{min,大于等于},并且最后转换为max的问题】

例题讲解✨✨🙌

注意看,对偶单纯形法的条件是min还是max【我看到的是min配合大于等于】
注意:对偶问题不需要用对偶表,看视频就好⚠️⚠️⚠️⚠️

在这里插入图片描述

在这里插入图片描述
https://www.bilibili.com/video/BV12Z4y1W7aU
https://www.bilibili.com/video/BV1ut4y1T7K2

下面的例题做法非考试正规做法!!但是求单纯形法规则是一样的

在这里插入图片描述
对偶问题为:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

运输问题建模

【考试一般不考原理,要考原理考的也是单纯形法】
【运输问题的思路其实也是单纯形法,但是针对这类问题进行了优化】

产销平衡问题

建立模型

在这里插入图片描述
这还是线性规划问题,可以用单纯形法求解,但是变量太多了,有另外的求解方法。
这种方法本质上和单纯形法一样,也是先找可行解在迭代出最优解。

  • 模型特点
  1. 解有上下界
  2. 产销平衡(有一个多余约束条件)
  3. 约束条件比较特殊
  • 运输表
    在这里插入图片描述
    本题有 3 + 4 − 1 = 6 3+4-1=6 3+41=6个这个表应该有 m + n − 1 m+n-1 m+n1个基变量,剩下的是非基变量

求解模型【表上作业法】

确定可行解方法①:左上角填充法

尽可能使左上角取得最大值
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

确定可行解方法②:最小元素法

每一步优先考虑单位运价最小的业务【范围是在整个表里找最小运费】
在这里插入图片描述
在这里插入图片描述

确定可行解方法③:沃格尔法

在这里插入图片描述

找运价最小与次小,二者之差称为罚数,优先选择最大的罚数
在这里插入图片描述
在这里插入图片描述

迭代方法①:闭回路法

入基变量选择

选择检验数最小【负数绝对值中最大的那个】

  • 核心:从非基变量开始,构造回路
    在这里插入图片描述
  • 原理:令起始的非基变量为1,(按照顺时针或者逆时针都可以)为了保证产销平衡的约束条件,下一个基变量减1,再下一个基变量加1,该格子检验数为这一变化带来的运费变化
  • :遇到空格保持直走,遇到基变量可以选择 90°拐弯,最后计算这一个非基变量对运费带来的变化。所有的非基变量都要算出来,取最小的入基

在这里插入图片描述

出基变量选择

画出入基变量的回路,如图所示,回路中偶数点最小的基变量最先变成0
【思路是让某个基变量变成0,如题,此时 θ \theta θ取2】
在这里插入图片描述

产销不平衡问题

产量大于销量

对于这类问题,可以假想一个销地 B 5 B_5 B5,对于产量大于销量的这部分,统一运往 B 5 B_5 B5
由于 B 5 B_5 B5是个假想地,实际上就是就地存储在A;的物品数量,因此其运价为0,新的单位运价表如下:
在这里插入图片描述

有转运的问题

产地同时也是销地
在这里插入图片描述

产销不确定

在这里插入图片描述
分析:

  • 首先, a 3 a_3 a3是有上限的
  • 将产量分为最小产量冗余产量,分别放在 A i A_i Ai A i ′ A_i^{'} Ai【必须到/可到可不到】
  • 假定一个不能被运输的销地,销量由产量减已有销量得到。【 A i ′ A_i^{'} Ai这种可到可不到的放到B5相当于原地储存
    在这里插入图片描述
  • 12
    点赞
  • 84
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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