王树尧老师运筹学课程笔记 10 线性规划与单纯形法(关于检测数与退化的讨论)
第10讲 线性规划与单纯形法(关于检测数与退化的讨论)
对单纯形表中一些列的理解
主要注意的是,在如上图所示的单纯形表中,bbb列和填ai,ja_{i,j}ai,j的列中本质上填的应该是B−1bB^{-1}bB−1b和B−1AB^{-1}AB−1A,只是在之前的情况下中BBB是单位矩阵。
对检测数的讨论
检验数的计算方法为σi=ci−cBB−1pi=ci−zi\sigma_{i}=c_{i}-c_{B} B^{-1} p_{i}=c_{i}-z_{i}σi=ci−cBB−1pi=ci−zi。而对于其他教材可能将σi\sigma_{i}σi定义为σi\sigma_{i}σi=zi−ci=z_{i}-c_{i}=zi−ci,但其本质上是一样的,只是判断σi\sigma_{i}σi符号和大小时恰好相反。同时如果要求解的最优化问题是对目标函数求minminmin,也只需要在判断σi\sigma_{i}σi时,用符号和大小相反的规则即可。简要来说取得最优解时对检验数的正负性要求如下表所示:
maxZmaxZmaxZ | minZminZminZ | |
---|---|---|
ci−zic_{i}-z_{i}ci−zi | ≤0\le0≤0 | ≥0\ge0≥0 |
zi−ciz_{i}-c_{i}zi−ci | ≥0\ge0≥0 | ≤0\le0≤0 |
如果在某轮迭代,有两个及以上相同的最大的检验数,则其给目标函数带来的收益相同,可以选择其对应的任意一个向量作为入基向量。
对θ\thetaθ的讨论
如果在某轮迭代,有两个及以上相同的最小的θ\thetaθ,出现“退化”情况,大部分情况下可以选择其对应的任意一个向量作为出基向量,但是有些时候会出现循环运算。
当标准型中bi=0b_i=0bi=0时,可能出现“退化”情况。
解决方法: 在相同的最小的θ\thetaθ中,选择下标最小的决策变量作为出基变量,就不会出现循环运算。
总结
在单纯形表中,bbb列和填ai,ja_{i,j}ai,j的列中本质上填的应该是B−1bB^{-1}bB−1b和B−1AB^{-1}AB−1A。
对于不同检验数的定义和求minminmin或maxmaxmax的不同,对检验数的判断法则也不同。
如果在某轮迭代,有两个及以上相同的最大的检验数,则其给目标函数带来的收益相同,可以选择其对应的任意一个向量作为入基向量。
如果在某轮迭代,有两个及以上相同的最小的θ\thetaθ,则选择下标最小的决策变量作为出基变量,就不会出现循环运算。
王树尧老师运筹学课程笔记 10 线性规划与单纯形法(关于检测数与退化的讨论)相关推荐
- 王树尧老师运筹学课程笔记 06 线性规划与单纯形法(几何意义)
第6讲 线性规划与单纯形法(几何意义) 线性规划的几何意义 图解法 线性规划的维度 变量 可行域维度 图像维度 1 x1x_1x1 1(线段) 1 2 x1.x2x_1.x_2x1.x2 2(平 ...
- 王树尧老师运筹学课程笔记 09 线性规划与单纯形法(单纯形表的应用)
第9讲 线性规划与单纯形法(单纯形表的应用) 单纯形表 举例 见教材P37 2.4 根据检验数σi\sigma_iσi选择进基的变量 对于>0>0>0的σi\sigma_iσi, ...
- 西湖大学张岳老师NLP课程笔记1 Introduction
西湖大学张岳老师NLP课程笔记1 Introduction 参考资料 B站链接 课程主页 <Natural Language Processing: A Machine Learning Per ...
- vb教材笔记_金文老师VB课程 笔记完整版.pdf
金文老师vb 教程笔记 第一章 vasualbasic 程序开发环境 第一节visualbasic 的启动与退出 . vb 一 启动 的四种方法: 1. 使用 "开始"菜单中的 & ...
- HTML+CSS学习笔记(pink老师前端课程笔记--补档)
开始于2021年8月3日09点59分 课程学习路线:HTML5-> CSS3->H5C3提高->项目拼优购电商网站 仅更新到H5C3提高的C3提高部分(新增选择器),忙于其他事情,暂 ...
- 邓俊辉老师数据结构课程笔记
文章目录 一.绪论 二.向量(查找和排序) 2.1知识点 2.2课后习题 三.列表 3.2 课后习题 四.栈与队列 五.二叉树 六.图 七.二叉搜索树 八.高级搜索树 一.绪论 1.复杂度分析的主要方 ...
- 施磊老师 C++ 课程笔记--自己记录用
文章目录 01 02 new 和 malloc 引用和指针区别 const C和C++中const的区别? const和一级.多级指针的结合 inline 函数和普通函数的区别 函数重载 c++为什么 ...
- 林轩田机器学习 | 机器学习技法课程笔记10 --- Random Forest
上节课我们主要介绍了Decision Tree模型.Decision Tree算法的核心是通过递归的方式,将数据集不断进行切割,得到子分支,最终形成树的结构.C&RT算法是决策树比较简单和常用 ...
- 【python】Python语言程序设计/嵩天老师入门课程笔记整理
分章节目录 1.python开发环境配置 1.1 程序语言分类(执行方式): 1.2 python程序语法元素分析: 1.3 python保留字 2.python绘图 2.1 编程语言概述 2.2 t ...
最新文章
- php记录用户搜索历史记录,PHPCookei记录用户历史浏览信息的代码
- fpga电平约束有什么作用_FPGA从串模式
- ubuntu下使用filezilla上传文件权限问题(open for write: permission denied)
- SSH整合(Struts2+hibernate+spring)
- 使用openssl的md5库
- labview随机数序列_labview产生随机数
- MySQL进阶之索引
- jsp学习之路之Myeclipse部署tomcat服务器并实现Hello World一个小网页
- 归并排序 Java实现 简单易懂
- VOIP Codec 三剑客之 ISAC/ILBC -- ISAC (6) Spectrum Encode 模块
- 如何在手机和电脑之间共享文件以及共享模拟器网络给电脑
- 解决unable to access ‘https://github.com/xxx/xxx.git/‘: OpenSSL SSL_read: Connection was reset, errno
- 外汇风险管理:德鲁克日志之五月十一日
- Learning ImageMagick 1: Lomo效果
- 2020哔哩哔哩校招后端开发笔试编程题总结
- C代码如何跑起来(程序编译和预处理)
- 向上的箭头 html,css中怎么实现向上的箭头
- 魔方三阶玩法[图解]
- Java基础阶段界面的登录界面设计
- 基于Keras实现鸢尾花分类
热门文章
- 力扣记录:动态规划4股票问题——121,122,123,188 ,309,714买卖股票的最佳时机(I,II,III,IV,含冷冻期,含手续费)
- R语言使用lm函数拟合多元线性回归模型、假定预测变量之间有交互作用、R语言使用effects包的effect函数查看交互作用对于回归模型预测响应变量的影响
- [从头学数学] 第170节 空间几何体
- Python之mock service
- 【sympy】用python的库 sympy 求导数
- 2020年Java就业前景分析,入门前必看!
- Windows 2003 架设Radius服务器
- 如何判断两物体加速度相等_加速度的方向怎么判断
- python制作股票图表怎么看_Python 数据可视化实战:使用 PyQt5 和 Echarts 打造股票数据看板...
- 仿qq等右上角弹出气泡菜单效果