Introduction to Linear Optimization 2.2 极点,顶角与基可行解
1.极点
极点的定义及理解
Definition 2.6 Let P be a polyhedron. A vector x ∈ P is an extreme point of P if we cannot find two vectors y, z ∈ P, both different from x, and a scalar λ ∈ [0,1], such that x = λy + (1 - λ)z.
定义中给出了一种严格证明极点 (extreme point) 的方法,即:极点无法被另外两个点的线性组合表示出。若我们想用概括性的图像思维来描述极点的话,请先看下图(所有的极点都已用字母标出)
通过观察不难发现,所有的极点都是凸集的“角(corner)”,即:你无法找到相异的两点,使得这些“角”在这两点的连线上。这就是我对于极点的直观几何理解。
当然,这是在二维平面上的,这里希望读者自己去思考在3,4,…,n维情况下,极点究竟如何定义。
2.顶角
顶角的定义
Definition 2.7 Let P be a polyhedron, A vector x ∈ P is a vertex of P if there exists some c such that c’x < c’y for all y satisfying y ∈ P and y ≠ x.
即在多面体内存在某点 x,存在一个与 x 维数相同的向量 c,二者内积为该多面体内所有元素与 c 的内积的最小值。这样的点,我们称之为顶角(vertex)。
声明:关于“顶角(vertex)”的翻译,引用于“规范场论中的非微扰方法和置换群方法研究1”,若有更好的翻译,欢迎前来指正!
顶角的理解
我们不妨仍以这张图为例:
通过顶角的定义我们不难看出,顶角一般只有一个(这里先不讨论无穷多的情况)。假设我们选取 c’ = (1,1),不难发现,O点即为顶角(0×1 + 0×1 = 0),除了O点之外,无法再找出任何一个点与 c’ 的内积小于0。
但是我们的 c’ 如果变为 (-1,-2) ,会发生什么情况呢?
显然,该凸集的顶角变为了B点
通常情况下,这里所描述的顶角就代表着线性规划中的最优解,但是线性规划的解又存在唯一最优解与无穷多最优解的情况,因此在实际情况中,也会存在多个顶角的情况。
严格约束
Definition 2.8 If a vector x* satisfies a*ix* = bi for some i = 1,2,3…,k, we say that the corresponding constraint is active or binding at x*.
在定义2.8中,描述了严格约束的情况。由于线性规划是由等式约束与不等式约束所构成的,若存在某可行解,则该解必然满足等式约束,此时称此等式约束为严格约束。同理,当某可行解满足不等式约束的同时,使该不等式变为了等式约束(例:约束x1 + 2x2 ≤ 5,当有解满足 x1 + 2x2 = 5时,我们称在该解的情况下,该不等式为严格约束),我们就称该不等式为严格约束。
基可行解
严格约束与基可行解的关系
我们在本节前半部分使用了极点,顶角等几何手段来描述凸集的几何构造,然后又引入了严格约束,现将二者联系起来,从几何与代数两个角度来描述基解,基可行解等概念
Definition 2.9 Consider a polyhedron P defined by linear equality and inequality constraints, and let x* be an element of Rn.
(a) The vector x* is a basic solution if:
- All equality constraints are active;
- Out of the constraints that are active at x*, there are n of them that are linearly independent.
(b) If x* is a basic solution that satisfies all of the constraints, we say that it is a basic feasible solution.
在定义2.9(a)的情况下,当n维向量x满足所有等式约束且满足n个线性独立的约束时,x被称为基解。当基解满足所有约束时,基解变为基可行解。
如何理解这个定义呢?不妨来看下面这张图:
本图灰色部分代表可行域,各个字母所代表的点为基解,但是只有在可行域内的基解才为基可行解。
我们以A点为例,其在维数 n = 2 的情况下满足了两个严格约束(x ≥ 0与直线AC所代表的约束),且这两个约束是线性独立的,因此根据定义2.9,我们不难得知A点代表了一个基解,但是由于其不满足其它不等式约束(不在可行域内部)因此A并非一个基可行解。
注:在n维情况下,若某线性规划问题只存在m个约束条件(m < n)那么即使所有的约束都成为严格约束,严格约束的数量(m)也小于空间的维数(n),此时该线性规划问题不存在基解或是基可行解。
经过上述的思考,不难得出以下定理:
Theorem 2.3 Let P be a nonempty polyhedron and let x* ∈ P. Then, the fellowing are equivalent:
- x* is a vertex;
- x* is an extreme point;
- x* is a bisic feasible solution.
注:上述三个条件互相等价,可以互相代换。
邻接基解
对于同一个线性规划问题,若存在两个不同的基解,且这两个基解所满足的严格不等式恰有n - 1个相同,则称这两个基解是邻接的。
废话不多说,直接上图理解:
还是这张图,A,D,O三个基解互为邻接基解,因为在n = 2的情况下,只要满足1个(1 = n -1)相同的严格约束即为邻接基解,即该图中所有在同一条直线上的基解互为邻接基解,但如B,O两基解就不为邻接基解,因为两个基解不满足任何相同的严格约束。
小节
本节仍是介绍线性规划的基础知识,为后续更好的理解单纯形法等内容做铺垫,扎实的理解每一节的内容固然会让后面的学习更加轻松,但是罗马不是一天建成的,扎实的基本功需要反复的操练,线性规划前期的基础内容看不懂也要反复的理解。极点,顶角,基解及基可行解等这些概念通过联系图之后并没有特别大的难度。我也会尽力保证更新的速度,共勉!
参考文献
[1] Dimitris Bertsimas,John N. Tsitsiklis . Introduction to Linear Optimization[M]. 1997: 46-53
[2] 艾德臻. 规范场论中的非微扰方法和置换群方法研究[D]. 西北师范大学, 2007.
版权归原作者所有,未经原作者允许不得将本文内容用于任何商业或盈利目的,否则将视为侵权,转载或者引用本文内容请注明来源及原作者,对于不遵守此声明或者其他违法使用本文内容者,本人依法保留追究权等。
Introduction to Linear Optimization 2.2 极点,顶角与基可行解相关推荐
- Introduction to Linear Optimization 2.3标准形式的多面体
1.标准型的表示 通常将多面体 P = {x ∈ Rn | Ax = b, x ≥ 0} 称为多面体的标准型,即多面体中所有约束都为等式.其中 A 为 m×n 的矩阵(通常认为m ≤ n). 现在不妨 ...
- 机器学习基础-吴恩达-coursera-(第一周学习笔记)----Introduction and Linear Regression
课程网址:https://www.coursera.org/learn/machine-learning Week 1 -- Introduction and Linear Regression 目录 ...
- INTRODUCTION TO NONELINEAR OPTIMIZATION Excise 5.2 Freudenstein and Roth Test Function
Amir Beck's INTRODUCTION TO NONELINEAR OPTIMIZATION Theory, Algorithms, and Applications with MATLAB ...
- OR-Tools:1-线性优化,整数优化和约束优化(Linear optimization,Mixed-integer optimization,Constraint optimization)
OR-Tools 解决的问题类型: Linear optimization Constraint optimization Mixed-integer optimization Bin packing ...
- Gilbert Strang 《Introduction to Linear Algebra》 chap1 Introduction to Vectors 笔记
Gilbert Strang Introduction to Linear Algebra chap1 Introduction to Vectors 笔记 会持续更新 Introduction to ...
- Competing in the Dark: An Efficient Algorithm for Bandit Linear Optimization
Competing in the Dark: An Efficient Algorithm for Bandit Linear Optimization Feb. 23, 2021 Aim‾\unde ...
- 应用运筹学基础:线性规划 (1) - 极点与基可行解
学校有一门课叫<应用运筹学基础>,是计算机学院唯一教优化的课程,感觉上得还行,这里简单记录一下上课学到的知识.第一节课是线性规划(linear programming). 凸集 对于集合 ...
- 【李宏毅2020 ML/DL】补充:Structured Learning: Introduction Structured Linear Model
我已经有两年 ML 经历,这系列课主要用来查缺补漏,会记录一些细节的.自己不知道的东西. 本次笔记补充视频 BV1JE411g7XF 的缺失部分.在另一个UP主上传的2017课程BV13x411v7U ...
- Google OR-Tools(二) 线性优化Linear Optimization
本文参考Google OR-Tools官网文档介绍OR-Tools的使用方法. 1 线性规划问题 线性规划是优化问题里最简单的一种形式,需要极大化或极小化的目标函数是线性的,而约束条件由一组线性等式或 ...
最新文章
- 开发日记-20190709 关键词 读书笔记 《Perl语言入门》Day 6
- 基于逆向最大化词表中文分词法zz
- 第十届蓝桥杯省赛JavaC组真题——详细答案对照(完整版-包含打扫机器人的视频全过程讲解与编码内容对照)
- C文件操作之写入字符串到指定文件并在屏幕显示
- 图像极坐标变换及在OCR中的应用
- 第一阶段 XHTML.定位样式
- 147_Power BI Report Server demo演示
- spring_装配Bean
- set学习(系统的学习)
- PHP两文件嵌套循环引用,php的循环与引用的一个坑,php循环引用_PHP教程
- Linux系统编程 -- 为什么需要进程间通信??
- deb,命令行安装与软件中心安装有差异
- linux 区别 挂起 阻塞_踩坑之java执行linux命令死锁阻塞挂起
- Horizon client PcoIP连接桌面后黑屏断开,报:与远程计算机的连接终止
- 5.22 对图层应用多个相同的图层样式(新) [原创Ps教程]
- rrpp协议如何修改_华为交换机—RRPP协议
- (数据科学学习手札37)ggplot2基本绘图语法介绍
- 如何让ie6 ie7 并存
- 第五章 ERP计划的时间概念
- C#.net 微信公众账号接口开发