【运筹学】对偶理论 : 对称理论示例 ( 对称理论 | 标准的原问题对偶问题 | 原问题目标函数求最小值示例 | 求对偶技巧 ) ★
文章目录
- 一、对称理论
- 二、对偶理论示例
- 三、对偶理论示例 2
- 四、求对偶技巧 ★★
一、对称理论
参考 【运筹学】对偶理论 : 对称形式 ( 对称形式 | 对偶模型转化实例 | 对偶问题规律分析 ) 写出原问题线性规划的对偶问题线性规划 ,
原问题的线性规划模型 : 注意原问题的线性规划 目标函数求最大值 , 约束方程都是 小于等于不等式 ;
maxZ=CXs.t{AX≤bX≥0\begin{array}{lcl} \rm maxZ = C X \\\\ \rm s.t\begin{cases} \rm AX \leq b \\\\ \rm X \geq 0 \end{cases}\end{array}maxZ=CXs.t⎩⎪⎨⎪⎧AX≤bX≥0
如果原问题是求最大值 , 约束方程有大于等于不等式 , 需要在这些大于等于不等式 左右两边乘以 −1\rm -1−1 , 将 大于等于不等式 转为 小于等于不等式 ;
如果进行了上述操作 , 则最终求出对偶问题后 , 系数矩阵肯定不互为转置矩阵 , 还要进行一次代换 , 令 y′=−y\rm y' = -yy′=−y 吗使用 −y′=y\rm -y' = y−y′=y 替换对偶问题中的变量 ;
对偶问题的线性规划模型 : 对偶问题 目标函数求最小值 , 约束方程都是 大于等于不等式 ;
minW=bTYs.t{ATY≥CTY≥0\begin{array}{lcl} \rm minW = b^T Y \\\\ \rm s.t\begin{cases} \rm A^TY \geq C^T \\\\ \rm Y \geq 0 \end{cases}\end{array}minW=bTYs.t⎩⎪⎨⎪⎧ATY≥CTY≥0
矩阵转置 : 第 111 列变第 111 行 , ⋯\cdots⋯ , 第 n\rm nn 列变第 n\rm nn 行 ;
二、对偶理论示例
对偶示例 : 给出如下线性规划 ,
maxZ=2x1+x2s.t{x1−2x2≤8x1,x2≥0\begin{array}{lcl} \rm maxZ = 2 x_1 + x_2 \\\\ \rm s.t\begin{cases} \rm x_1 - 2x_2 \leq 8 \\\\ \rm x_1, x_2 \geq 0 \end{cases}\end{array}maxZ=2x1+x2s.t⎩⎪⎨⎪⎧x1−2x2≤8x1,x2≥0
上述线性规划原问题 ① 目标函数求最大值 ② 约束方程是小于等于不等式 , ③ 约束变量大于等于 000 , 符合标准 ;
写出其对偶问题 :
( 1 ) 目标函数求最小 , 且目标函数的系数是原方程的约束方程常数 ;
minZ=8y1\rm minZ = 8y_1minZ=8y1
( 2 ) 约束条件 :
对偶问题约束方程系数 : 约束方程矩阵是 (1−2)\begin{pmatrix} &1 & -2 & \\ \end{pmatrix}(1−2) 的转置矩阵 (1−2)\begin{pmatrix} &1 & \\ &-2 & \\ \end{pmatrix}(1−2) ;
对偶问题变量个数 : 约束方程的变量个数是矩阵的列数 , 这里只有 111 列 , 则只有 111 个变量 y1\rm y_1y1 ;
约束方程中间符号 : 约束条件的符号是由 原问题 变量符号决定 ( 都是 ≥0\geq 0≥0 ) , 因此对偶问题的约束方程符号也是 ≥\geq≥ ;
约束方程右侧常数 : 是原问题目标函数的系数转置 , 分别是 2,12 , 12,1 ;
变量符号 : 对偶问题变量符号与原问题约束方程符号相反 ; 原问题约束方程是小于等于符号 , 对偶问题的变量是大于等于 000 的 ;
最终的对偶问题是 :
minW=8y1s.t{y1≥2−2y1≥1y1≥0\begin{array}{lcl} \rm minW = 8y_1 \\\\ \rm s.t\begin{cases} \rm y_1 \geq 2 \\\\ \rm -2y_1 \geq 1 \\\\ \rm y_1 \geq 0 \end{cases}\end{array}minW=8y1s.t⎩⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎧y1≥2−2y1≥1y1≥0
三、对偶理论示例 2
如果给出的原问题目标函数是求最小值 :
minZ=2x1+x2s.t{x1−2x2≤8x1,x2≥0\begin{array}{lcl} \rm minZ = 2 x_1 + x_2 \\\\ \rm s.t\begin{cases} \rm x_1 - 2x_2 \leq 8 \\\\ \rm x_1, x_2 \geq 0 \end{cases}\end{array}minZ=2x1+x2s.t⎩⎪⎨⎪⎧x1−2x2≤8x1,x2≥0
上述线性规划的对偶问题的目标函数是求最大值 ;
参考下图列表 :
写出其对偶问题 ( 上述表格中的右侧 ) :
( 1 ) 目标函数求最大 , 且目标函数的系数是原方程的约束方程常数 ;
minW=8y1\rm minW = 8y_1minW=8y1
( 2 ) 约束条件 :
对偶问题约束方程系数 : 约束方程矩阵是 (1−2)\begin{pmatrix} &1 & -2 & \\ \end{pmatrix}(1−2) 的转置矩阵 (1−2)\begin{pmatrix} &1 & \\ &-2 & \\ \end{pmatrix}(1−2) ;
对偶问题变量个数 : 约束方程的变量个数是矩阵的列数 , 这里只有 111 列 , 则只有 111 个变量 y1\rm y_1y1 ;
约束方程中间符号 : 约束条件的符号是由 原问题 变量符号决定 ( 都是 ≥0\geq 0≥0 ) , 这里如果目标函数求最小值时原问题 , 其对偶问题约束方程符号 与 原问题变量符号相反 , 因此对偶问题的约束方程符号也是 ≤\leq≤ ;
约束方程右侧常数 : 是原问题目标函数的系数转置 , 分别是 2,12 , 12,1 ;
变量符号 : 对偶问题变量符号与原问题约束方程符号相同 ; 原问题约束方程是小于等于符号 , 对偶问题的变量是小于等于 000 的 ;
最终的对偶问题是 :
maxZ=8y1s.t{y1≤2−2y1≤1y1≤0\begin{array}{lcl} \rm maxZ = 8y_1 \\\\ \rm s.t\begin{cases} \rm y_1 \leq 2 \\\\ \rm -2y_1 \leq 1 \\\\ \rm y_1 \leq 0 \end{cases}\end{array}maxZ=8y1s.t⎩⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎧y1≤2−2y1≤1y1≤0
四、求对偶技巧 ★★
写出对偶定理的标准对称形式 ★ : 记住下面的标准形式
原问题 :
maxZ=CXs.t{AX≤bX≥0\begin{array}{lcl} \rm maxZ = C X \\\\ \rm s.t\begin{cases} \rm AX \leq b \\\\ \rm X \geq 0 \end{cases}\end{array}maxZ=CXs.t⎩⎪⎨⎪⎧AX≤bX≥0
对偶问题 :
minW=bTYs.t{ATY≥CTY≥0\begin{array}{lcl} \rm minW = b^T Y \\\\ \rm s.t\begin{cases} \rm A^TY \geq C^T \\\\ \rm Y \geq 0 \end{cases}\end{array}minW=bTYs.t⎩⎪⎨⎪⎧ATY≥CTY≥0
查看 约束变量的符号 与 其另外一个对偶问题的 约束方程的符号 一致性 , 来确定对偶问题的约束方程符号 ;
约束方程符号 :
如果当前线性规划问题 目标函数是求最大值 , 原问题就是上面的问题 , 其对偶问题 ( 下面的 ) 的约束方程符号是 ≥\geq≥ , 因此 对偶问题的约束方程符号 与 原问题变量 符号一致 ;
如果当前线性规划问题 目标函数是求最小值 , 原问题就是下面的问题 , 其对偶问题 ( 上面的 ) 的约束方程符号是 ≤\leq≤ , 因此 对偶问题的约束方程符号 与 原问题变量 符号相反 ;
变量符号 :
如果当前线性规划问题 目标函数是求最大值 , 原问题就是上面的问题 , 其对偶问题 ( 下面的 ) 的约束方程符号是 ≥\geq≥ , 因此 对偶问题的变量符号 与 原问题约束方程符号 符号相反 ;
如果当前线性规划问题 目标函数是求最大值 , 原问题就是上面的问题 , 其对偶问题 ( 下面的 ) 的约束方程符号是 ≥\geq≥ , 因此 对偶问题的变量符号 与 原问题约束方程符号 符号一致 ;
【运筹学】对偶理论 : 对称理论示例 ( 对称理论 | 标准的原问题对偶问题 | 原问题目标函数求最小值示例 | 求对偶技巧 ) ★相关推荐
- 【数字信号处理】傅里叶变换性质 ( 共轭对称与共轭反对称图像示例 | 实序列中共轭对称是偶对称 | 实序列中共轭反对称是奇对称 )
文章目录 一.共轭对称与共轭反对称图像示例 1.共轭对称序列图示 2.共轭反对称序列图示 3.总结 一.共轭对称与共轭反对称图像示例 序列 x(n)=0.8nu(n)x(n) = 0.8^n u(n) ...
- 对称密钥加密算法 对称轮数_选择Java加密算法第2部分–单密钥对称加密
对称密钥加密算法 对称轮数 抽象 这是涵盖Java加密算法的三部分博客系列的第2部分. 该系列涵盖如何实现以下功能: 使用SHA–512散列 AES–256 RSA–4096 这第二篇文章详细介绍了如 ...
- 大纵深战役理论和闪电战理论
大纵深战役理论和闪电战理论可以说是同一时代的产物.其研究蓝本是一致的,都是以第一次世界大战的经验为基础,深入研究装甲部队(尤其是坦克),飞机等新兴兵种在未来战争中战役战法上的运用形式.其目的也是一致的 ...
- 【数字信号处理】傅里叶变换性质 ( 共轭对称、共轭反对称 与 偶对称、奇对称关联 | 序列对称分解定理 )
文章目录 一.共轭对称.共轭反对称 与 偶对称.奇对称关联 二.序列对称分解定理 证明过程 总结 一.共轭对称.共轭反对称 与 偶对称.奇对称关联 实序列 : 偶对称 : x(n)=x(−n)x(n) ...
- 城市规划理论1 选址理论
城市规划理论1 选址理论 Weber问题 Leon Moses模型 Weber问题 最早正式提出选址问题(Location Problems)的经济学家是Alfred Weber.在他1909年的书中 ...
- 计算理论2--可计算理论
计算理论2--可计算理论 图灵机 博主正在学习INTRODUCTION TO THE THEORY OF COMPUTATION (Second Edition) --Michal Sipser,以及 ...
- 《系统集成项目管理工程师》必背100个知识点-56X理论和Y理论
简述X理论和Y理论的主要观点?▲▲▲ (1)X理论 主要体现了独裁管理者对人性的判断,这种假设认为:一般人天性好逸恶劳,只要有可能就会逃避工作.人缺乏进取心,逃避责任,甘愿听从指挥,安于现状,没有创造 ...
- CAP 理论、BASE 理论、FLP 理论
CAP 理论.BASE 理论.FLP 理论 CAP 理论.BASE 理论.FLP 理论 1.CAP 理论 C(Consistency) 一致性: 在写操作之后的所有读操作,必须要返回写入的值. A(A ...
- 理论不只是理论的zhajinhuagame
摘要:zhajinhuagame 2012年07月18日综上所述,通过流量数据和局域网提供的相关数据分析用户行为,每人都有同等机会夺得现金大奖,zhajinhuagame还是初出茅庐的小白,习惯性被接 ...
最新文章
- maven 获取pom.xml的依赖---即仓库搜索服务
- python3.6安装scrapy-win7安装python3.6.1及scrapy
- Mybatis报错 TooManyResultsException
- CSS基础语法(三) CSS的6种特性
- bootstrap 一排5个_BootStrap从基础到项目实战_第1季_03章_02_CSS样式栅格系统实例
- mysql 修复表和优化表
- 学习halcon的论坛与书籍
- 服装行业电子商务的概述
- 深度学习--- GAN网络原理解析
- pandas安装报错
- video-js rtmp直播、this .el_vjs_getproperty问题、多个rtmp播放、可用rtmp地址
- Excel表格将多个单元格内容合并到一个单元格中_工作中使用记录_2021-03-29
- AJDK-Wisp协程
- Javascript中transducer的应用
- Kata Container 2.x 和 3.0 安装,内核编译,镜像制作
- 【python】类型约束(类型提示的作用)
- 踩坑nessus激活码-点击官方邮件链接不能获取到验证码
- MD5加密(MD5Util )
- Jenkins+Kubernetes+Docker实现微服务持续集成
- 神经网络教学设计方案,神经网络教学视频