1.线性规划单纯形解法的基本思路
单纯形解法的基本思路是:先求得一个初始基可行解,以这个初始基可行解在可行域中对应的极点为出发点,根据最优准则判断这个基可行解是否是最优解,如果不是转换到相邻的一个极点,即得到一个新的基可行解,并使目标函数值下降,这样重复进行有限次后,可找到最解或判断问题无最优解。
2.单纯形法的最优准则
设:线性规划(LP)为: min cx s.t. Ax=B x≥0 A为(LP)的约束方程组的m*n阶系数矩阵(设n≥m),A的秩为m;B是线性规划的一个基,不失普遍性,记
定义
若:λ≤0,即全部λi非正,
则:由B确定的基可行解是(LP)的最优解。
3.具体过程:
我们知道如果线性规划问题有最优解,至少有一个是基可行解,因此我们只在基可行解中找最优解。现假定已有一个基可行解,相应的基为B,不失一般性可设:
其中 是n元向量:
在线性规划问题:
min cx
s.t. Ax=b
x≥0
中,我们将A中基B以外的列组成一个m*(n-m)阵N,称为非基阵,N=(pm+1,…,pn)即A可表示为
变量x也相应地分成基变量xB=(x1,x2,…,xm),和非基变量xN=(xm+1,…,xn),目标函数中系数c也分成。即
这样上述线性规划问题可写成:
(1)最优解的检验。
由于B是非异阵,所以xB=B-1b-B-1NxN,将此代入目标函数:
此时,当令
则得到基可行解
而此基可行解对应的目标函数值为
(A2.3.1.2)
现在来定义最优检验数
(A2.3.1.3)
再记
由(A2.3.3)则可记
注意到
可见,对应于基变量的λj=0(j=1,2,…,m),而且cBB-1N-cN=(λm+1,λm+2,…, λn),故由式(A2.3.1.1)
当所有的λj≤0 (j=m+1,…,n)时,xj增大时,目标函数值增大,故当λ≤0时,非基变量取值全为0时目标函数值最小,换言之,相应的基可行解是最优值,目标函数最优值为。但若存在某个λk>0,则当xk增大时,目标函数值会减少,相应的基可行解不是最优解。为此,我们称λ为检验数,并且有:
线性规划最优解的单纯形法检验准则:
若 基可行解对应的λ为检验数为非正向量,即
则 此可行解为最优解。
(2)基可行解的转换
先给一个定义,某个基变量的取值全为正值时称此解为非退化的,否则为退化的,我们仅考虑所遇到的基可行解都是非退化的。
当检验数λ中有某个λk>0,则xk越大目标函数值越小,xk是否可无限量增大呢?在xk增大的过程中,我们要保证所得到的解仍为可行解,因为此时其余的非基变量仍为0,我们只需考虑相应基变量的变化。由
只需考虑
若yk≤0,当xk取值任何正值时,xi≥0(i=1,2,…,m)得到的均是可行解,故xk可无限增大,因此目标函数值无限减小,没有下界,原线性规划问题无最优解。
否则,取
(A2.3.1.4)
当令xk=θ时可见xr=0,即,当非基变量xk的值由0改变为θ,则原基可行解中基变量xr的值将由 改变为0,由非退化的假设,其余基变量的值由
决定,均为正值,其余非基变量的值仍为0。
下面证明这是一个新的基可行解,只要证明非零分量对应的列向量线性无关。
由B非异,p1,p2,…,pm线性无关,由yk=B-1pk得Byk=pk ,即
因为yrk>0则yrk≠0,pr可由p1,…,pk,…,pm线性表出,则p1,…,pr,…,pm和p1,…,pk,…,pm这两个向量组右互相线性表示,所以p1,K,pk,K,pm线性无关.这个新的基可行解由原基可行解中将基变量xr换成xk得到,与原基可行解相邻。
这个由原基可行解中将基变量xr换成xk,而得到新的基可行解过程我们称xk进基,xr离基。由(A2.3.1.2)原基可行解对应的目标函数值为cBB-1b,而新基可行解对应的目标函数值为
由非退化假设,θ>0,此示,新的目标函数值故目标函数值严格下降。重复这两个步骤,有限步以后一定能找到最优解。