陈宝林《最优化理论与算法》超详细学习笔记 (二)————补充知识(凸集) 第二章 线性规划的基本性质
陈宝林《最优化理论与算法》超详细学习笔记 (二)————补充知识 凸集 & 第二章 线性规划的基本性质
- 补充知识
- 凸集
- 方向与极方向
- 表示定理
- 择一定理
- 第一章 线性规划的基本性质
- 问题的提出
- 图解法
- 标准型
- 线性规划问题的解概念
补充知识
凸集
设 S 为 n 维欧氏空间RnR^nRn中一个集合。 若对 S 中任意两点,联结它们的线既仍属于 S; 换言之,对 S 中任意两点 x(1),x(2)\bf{x}^{(1)},\bf{x}^{(2)}x(1),x(2) 及每个实数
λ∈[0,1]\lambda \in[0, \quad1]λ∈[0,1] 都有:
λx(1)+(1−λ)x(2)∈S\lambda x^{(1)}+(1-\lambda) x^{(2)} \in S λx(1)+(1−λ)x(2)∈S
则称 S 为凸集,λx(1)+(1−λ)x(2)\lambda x^{(1)}+(1-\lambda)x^{(2)}λx(1)+(1−λ)x(2)称为凸组合.
如图(a)是凸集,而图(b)不是.
方向与极方向
设S为RnR^nRn中闭四集,d为非零向量,如果对S中的每一个x都 有 射 线 {x+λd∣λ≥0}∈S\{\mathrm{ x} + \lambda d | ~ \lambda \geq 0 \}\in S{x+λd∣ λ≥0}∈S , 则 称 d 为 S 的 一 个 方 向 。
设d是S的两个方向,若S不能表示成该集合的两个不同 方向的正线性组合,则称d为S的极方向.
如图(a)中d是一个方向,图©中与边界重合的d是一个极方向,图(b)中d则既不是方向也不是极方向.
表示定理
设S={x∣Ax=b,x≥0}\mathrm{~S = \{ x |A x = b , x \geq 0 \} ~} S={x∣Ax=b,x≥0} 为 非 空 多 面 集 , 则 有 :
(1)P的极点集K是非空的有限集合,记为{x(1),x(2),x(k)}\{ \left.x^{(1)}, \mathbf{x}^{(2)}, \mathbf{x}^{(k)}\right\}{x(1),x(2),x(k)}
(2)设S的极方向集为J,则指标集J是空集当且仅当S是有界 集合,即多胞形.
(3)x∈Sx \in Sx∈S的充要条件为:
x=∑k∈Kλkxk+∑j∈Jμjdjx=\sum_{k \in K} \lambda_{k} x^{k}+\sum_{j \in J} \mu_{j} d^{j}x=k∈K∑λkxk+j∈J∑μjdj
其中∑k∈Kλk=1,λk≥0,k∈K,μj≥0,j∈J\sum_{k \in K} \lambda_{k}=1, \lambda_{k} \geq 0, k \in K, \mu_{j} \geq 0, j \in Jk∈K∑λk=1,λk≥0,k∈K,μj≥0,j∈J
择一定理
- Farkas定理
设A为m×nm \times nm×n矩阵,c为n维向量,则 Ax≤0,cTx>0A x \leq 0, \quad c^{T} x>0Ax≤0,cTx>0 有解的充要条件是, ATy=c,y≥0A^{T} y=c, y \geq 0ATy=c,y≥0 无解. - Gordan定理
设A为m×nm \times nm×n矩阵,那么,Ax<0Ax<0Ax<0有解的充要条件是不存在非零向量y≥0y \geq0y≥0,使A′y=0A'y=0A′y=0.
证明略.
第一章 线性规划的基本性质
问题的提出
例 某工厂在计划期内要安排生产Ⅰ、Ⅱ两种产品,已知生产单位产品所需的设备台时及A、B两种原材料的消耗,如表所示
产品1 | 产品2 | 拥有量 | |
---|---|---|---|
设备 | 1 | 2 | 8台时 |
原材料A | 4 | 0 | 16kg |
原材料B | 0 | 4 | 12kg |
每生产一件产品1可获利2元,每生产一件产品2可获利3元,问应如何安排计划使该工厂获利最多?
根据题目:
- 设 x1,x2x_{1}, x_{2}x1,x2 分别表示计划生产I,II产品的数量, 称它们为决策变量;
- 生产 x1,x2x_{1}, x_{2}x1,x2 的数量多少,受资源押有量的限制 这是约束条件,即x_ +2x2≤8;4x1≤16;4x2≤12+2 x_{2} \leq 8 ; 4 x_{1} \leq 16 ; 4 x_{2} \leq 12+2x2≤8;4x1≤16;4x2≤12;
- 生产的产品不能是负值,即x_, x2≥0x_{2} \geq 0x2≥0;
- 如何安排生产,使利润最大,这是目标.
用数学关系式可以表达为:
目标函数 maxz=2x1+3x2\quad \max z=2 x_{1}+3 x_{2}maxz=2x1+3x2
约束条件: {x1+2x2≤84x1≤164x2≤12x1,x2≥0\left\{\begin{array}{rr}x_{1}+2 x_{2} \leq 8 \\ 4 x_{1} \quad \quad \leq 16 \\ 4 x_{2} \leq 12 \\ x_{1}, x_{2} \geq 0\end{array}\right.⎩⎪⎪⎨⎪⎪⎧x1+2x2≤84x1≤164x2≤12x1,x2≥0
这就是一个最简单的线性规划问题.
我们可以发现:
- 每一个线性规划问题都用一组决策变量(x1,x2,⋯xn)\left(x_{1}, x_{2}, \cdots x_{n}\right)(x1,x2,⋯xn)
表示某一方案,这组决策变量的值代表一个具体方案。一般这些变量的取值是非负且连续的; - 都有关于各种资源和资源使用情况的技术数据,创造新 价值的数据:
aij;cj(i=1,⋯m;j=1,⋯n)a_{i j} ; c_{j}(i=1, \cdots m ; j=1, \cdots n) aij;cj(i=1,⋯m;j=1,⋯n) - 存在可以量化的约束条件,这些约束条件可以用一组线 性等式或线性不等式来表示;
- 都有一个达到某一目标的要求,可用决策变量的线性函 数(称为目标函数) 来表示。按问题的要求不同,要求目标函数实现最大化或最小化。
线性规划模型的一般形式
目标函数
max(min)z=c1x1+c2x2+⋯+cnxn\max (\min ) z=c_{1} x_{1}+c_{2} x_{2}+\cdots+c_{n} x_{n} max(min)z=c1x1+c2x2+⋯+cnxn
约束条件
a11x1+a12x2+⋯⋯+a1nxn≤(=,≥)b1a_{11} x_{1}+a_{12} x_{2}+\cdots \cdots+a_{1 n} x_{n} \leq(=, \geq) b_{1}a11x1+a12x2+⋯⋯+a1nxn≤(=,≥)b1
a21x1+a22x2+⋯⋯+a2nxn≤(=,≥)b2a_{21} x_{1}+a_{22} x_{2}+\cdots \cdots+a_{2 n} x_{n} \leq(=, \geq) b_{2}a21x1+a22x2+⋯⋯+a2nxn≤(=,≥)b2
⋅⋅⋅⋅⋅⋅\cdot \cdot \cdot \cdot \cdot \cdot⋅⋅⋅⋅⋅⋅
am1x1+am2x2+⋯⋯+amxn≤(=,≥)bma_{m 1} x_{1}+a_{m 2} x_{2}+\cdots \cdots+a_{m} x_{n} \leq(=, \geq) b_{m}am1x1+am2x2+⋯⋯+amxn≤(=,≥)bm
x1,x2,⋯⋯,xn≥0x_{1}, x_{2}, \cdots \cdots, x_{n} \geq 0x1,x2,⋯⋯,xn≥0
用表格形式可以表示为:
图解法
同样是以上面的例题为例,
目标函数 maxz=2x1+3x2\quad \max z=2 x_{1}+3 x_{2}maxz=2x1+3x2
约束条件: {x1+2x2≤84x1≤164x2≤12x1,x2≥0\left\{\begin{array}{rr}x_{1}+2 x_{2} \leq 8 \\ 4 x_{1} \quad \quad \leq 16 \\ 4 x_{2} \leq 12 \\ x_{1}, x_{2} \geq 0\end{array}\right.⎩⎪⎪⎨⎪⎪⎧x1+2x2≤84x1≤164x2≤12x1,x2≥0
我们可以画出图形,如下
以斜率−23-\frac{2}{3}−32作出一簇直线,见虚线,虚线在y轴上的纵截距为目标函数值z的13\frac{1}{3}31,即z3\frac{z}{3}3z
不难看出,目标值在(4,2)点,达到最大值14.
通过图解法,可观察到线性规划的解可能出现 的几种情况:
- 无穷多最优解(多重最优解) 。
- 无界解。
- 无可行解。
标准型
线性规划问题的标准型式如下:
目标函数: maxz=c1x1+c2x2+⋯+cnxn约束条件: {a11x1+a12x2+⋯+a1nxn=b1a21x1+a22x2+⋯+a2nxn=b2⋯⋯⋯⋯am1x1+am2x2+⋯+amnxn=bnx1,x2,⋯,xn≥0\begin{aligned} &\text { 目标函数: } \max z=c_{1} x_{1}+c_{2} x_{2}+\cdots+c_{n} x_{n}\\ &\text { 约束条件: }\left\{\begin{array}{c} \mathrm{a}_{11} x_{1}+a_{12} x_{2}+\cdots+a_{1 n} x_{n}=b_{1} \\ a_{21} x_{1}+a_{22} x_{2}+\cdots+a_{2 n} x_{n}=b_{2} \\ \cdots \cdots \cdots \cdots \\ a_{m 1} x_{1}+a_{m 2} x_{2}+\cdots+a_{m n} x_{n}=b_{n} \\ x_{1}, x_{2}, \cdots, x_{n} \geq 0 \end{array}\right. \end{aligned} 目标函数: maxz=c1x1+c2x2+⋯+cnxn 约束条件: ⎩⎪⎪⎪⎪⎨⎪⎪⎪⎪⎧a11x1+a12x2+⋯+a1nxn=b1a21x1+a22x2+⋯+a2nxn=b2⋯⋯⋯⋯am1x1+am2x2+⋯+amnxn=bnx1,x2,⋯,xn≥0
需要注意的地方有
- 目标函数求最大值;
- 约束条件中均为等号;
- 约束条件中b大于等于零;
- 约束条件中x大于等于零;
那么如何将一般的线性规划问题转化为标准型呢?
(1) 若要求目标函数实现最小化,即min z=CX,z=C X,z=CX, 则只需将目标函数最小 化变换求目标函数最大化,即令z′=−zz'= -zz′=−z,于是得到maxz′=−CXmax z'= - CXmaxz′=−CX.
(2) 约束条件为不等式。分两种情况讨论:
∙\bullet∙若约束条件为“≤\leq≤”型不等式,则可在不等式左端加入非负松他变量, 把原≤\leq≤型不等式变为等式约束;
∙\bullet∙若约束条件为≥\geq≥型不等式,则可在不等式左端减去一个非负剩余 变量(也称松他变量),把不等式约束条件变为等式约束。
(3) 若存在取值无约束的变量xkx_{k}xk 可令
xk=xk′−xk′′xk′,xk′′≥0\begin{array}{l} x_{k}=x_{k}^{\prime}-x_{k}^{\prime \prime} \\ x_{k}^{\prime}, x_{k}^{\prime \prime} \geq 0 \end{array} xk=xk′−xk′′xk′,xk′′≥0
例2:
将下述线性规划问题化为标准形式
minz=−x1+2x2−3x3{x1+x2+x3≤7x1−x2+x3≥3−3x1+x2+x3=5x1,x2≥0;x3为无约束 \begin{array}{c} \min z=-x_{1}+2 x_{2}-3 x_{3} \\ \left\{\begin{array}{c} x_{1}+x_{2}+x_{3} \leq 7 \\ x_{1}-x_{2}+x_{3} \geq 3 \\ -3 x_{1}+x_{2}+x_{3}=5 \\ x_{1}, x_{2} \geq 0 ; x_{3} \text { 为无约束 } \end{array}\right. \end{array} minz=−x1+2x2−3x3⎩⎪⎪⎨⎪⎪⎧x1+x2+x3≤7x1−x2+x3≥3−3x1+x2+x3=5x1,x2≥0;x3 为无约束
步骤:
- 用 x4−x5x_{4}-x_{5}x4−x5 替换 x3,x_{3},x3, 其中 x4,x5≥0x_{4}, x_{5} \geq 0x4,x5≥0 ;
- 在第一个约束不等式左端加入松他变量 x6x_{6}x6 ;
- 在第二个约束不等式左端減去剩余变量x7x_7x7 ;
- 令z’= -z,将求min z 改为求max z’.
得到标准型:
maxz′=x1−2x2+3(x4−x5)+0x6+0x7{x1+x2+(x4−x5)+x6=7x1−x2+(x4−x5)−x7=2−3x1+x2+2(x4−x5)=5x1,x2,x4,x5,x6,x7≥0\begin{aligned} &\max z^{\prime}=x_{1}-2 x_{2}+3\left(x_{4}-x_{5}\right)+0 x_{6}+0 x_{7}\\ &\left\{\begin{array}{cc} \quad \quad \quad x_{1}+x_{2}+\quad \left(x_{4}-x_{5}\right)+x_{6}& \quad \quad =7 \\ \quad x_{1}-x_{2}+\quad \left(x_{4}-x_{5}\right) & -x_{7}=2 \\ -3 x_{1}+x_{2}+2\left(x_{4}- x_5\right) & \quad \quad =5 \\ x_{1}, x_{2}, x_{4}, x_{5}, x_{6}, x_{7} \geq 0 \end{array}\right. \end{aligned} maxz′=x1−2x2+3(x4−x5)+0x6+0x7⎩⎪⎪⎨⎪⎪⎧x1+x2+(x4−x5)+x6x1−x2+(x4−x5)−3x1+x2+2(x4−x5)x1,x2,x4,x5,x6,x7≥0=7−x7=2=5
线性规划问题的解概念
- 可行解
满足所有约束条件的解称为可行解,可行解中使目标函数达到最大值的解为最优解. - 基
BBB 是系数矩阵A(R(A)=mR(A)=mR(A)=m)中的m×mm\times mm×m阶非奇异子矩阵 (B∣≠0)(\mathrm{B} | \neq 0)(B∣=0) 称B为线性规划问题的基。 B=(a11a12⋯a1ma21a22⋯a2m⋮⋮⋮am1am2⋯amn)=(P1,P2,⋯Pm)B=\left(\begin{array}{cccc}a_{11} & a_{12} & \cdots & a_{1 m} \\ a_{21} & a_{22} & \cdots & a_{2 m} \\ \vdots & \vdots & & \vdots \\ a_{m 1} & a_{m 2} & \cdots & a_{m n}\end{array}\right)=\left(P_{1}, P_{2}, \cdots P_{m}\right)B=⎝⎜⎜⎜⎛a11a21⋮am1a12a22⋮am2⋯⋯⋯a1ma2m⋮amn⎠⎟⎟⎟⎞=(P1,P2,⋯Pm)
Pj(j=1,2,⋯m)\mathrm{P}_{\mathrm{j}}(j=1,2, \cdots m)Pj(j=1,2,⋯m) 为基向量
xj(j=1,2,⋯m)\mathbf{x}_{\mathrm{j}}(j=1,2, \cdots m)xj(j=1,2,⋯m) 为基变量。 - 基可行解
满足非负条件x≥0x\geq0x≥0的基解,称为基可行解. 基可行解的非零分量的数目不大于m,并且都是非负的。
上图中0,Q1,,Q2,Q3,Q40,Q_1,,Q_2,Q_3,Q_40,Q1,,Q2,Q3,Q4都是基可行解. - 可行基
对应于基可行解的基,称为可行基。 约束方程组Ax=bAx=bAx=b具有的基解的数目最多是 CnmC_{n}^{m}Cnm 个,一般 基可行解的数目要小于基解的数目.
陈宝林《最优化理论与算法》超详细学习笔记 (二)————补充知识(凸集) 第二章 线性规划的基本性质相关推荐
- 陈宝林《最优化理论与算法》超详细学习笔记 (七)————第五章 运输问题
陈宝林<最优化理论与算法>超详细学习笔记 (七)----第五章 运输问题 第1节 运输问题的数学模型 第2节 表上作业法 2.1 确定初始基可行解 2.2 最优解的判别 2.3 改进的方法 ...
- 陈宝林《最优化理论与算法》超详细学习笔记 (四)————第四章 对偶理论
陈宝林<最优化理论与算法>超详细学习笔记 (四)----第四章 对偶理论 1. 对偶问题的提出 2. 线性规划的对偶理论 2.1 原问题与对偶问题的关系 2.2 对偶问题的基本性质 3. ...
- 【台大郭彦甫】Matlab入门教程超详细学习笔记二:基本操作与矩阵运算(附PPT链接)
Matlab入门教程超详细学习笔记二:基本操作与矩阵运算 前言 一.基本操作 1.把matlab当作计算器使用 2.变量 3.控制格式输出 二.矩阵运算 1.矩阵 2.矩阵索引 3.使用:创建向量 4 ...
- 陈宝林《最优化理论与算法》超详细学习笔记 (三)————单纯形法
陈宝林<最优化理论与算法>详细学习笔记 (三)----单纯形法 数学模型 最优性检验与解的判别 最优解的判别定理 无穷多最优解判别定理 无界解判别定理 其他情形 第三章 单纯形法 单纯形表 ...
- 陈宝林《最优化理论与算法》超详细学习笔记 (八)————最优性条件
陈宝林<最优化理论与算法>超详细学习笔记 (八)----最优性条件 无约束问题的极值条件 必要条件 二阶充分条件 充要条件 约束极值问题的最优性条件 不等式约束的一阶最优性条件 无约束问题 ...
- 陈宝林《最优化理论与算法》超详细学习笔记 (一)————第十章 使用导数的最优化方法(最速下降法、牛顿法、阻尼牛顿法)
陈宝林<最优化理论与算法>超详细学习笔记 (一)----第十章 使用导数的最优化方法(最速下降法.牛顿法.阻尼牛顿法) 写在前面 第十章 使用导数的最优化方法 最速下降法 牛顿法 阻尼牛顿 ...
- 陈宝林《最优化理论与算法》超详细学习笔记 (五)————最优性条件 之 KKT条件
陈宝林<最优化理论与算法>超详细学习笔记 (五)----最优性条件 之 KKT条件 Lagrange对偶问题 原问题 Lagrange函数 Lagrange对偶函数 强/弱对偶性 弱对偶性 ...
- Java数据库部分(MySQL+JDBC)(一、MySQL超详细学习笔记)
所有示例使用的数据表均为Oracle提供的SQL基础数据表(t_employees.sql dept.sql emp.sql salgrade.sql) 熟练掌握多多练习即可达到完成后端开发所需具备的 ...
- MITRE ATTCK超详细学习笔记-01(背景,术语,案例)
文章目录 1. ATT&CK框架简介 1.1 背景 1.2 特点 1.3 与Cyber Kill Chain的关系 2. ATT&CK相关术语 2.1 Matrix 2.2 TTPs ...
最新文章
- Android 弱网测试(小米手机切换3g和2g)
- 海蜘蛛如何手工升级到最新版
- 2016年我国研究的超级计算机,盘点2016:我国科研取得的重大成果
- 火眼金睛算法,教你海量短文本场景下去重
- leetCode第五题-求字符串最长回文字符串
- boost::make_maximal_planar用法的测试程序
- python打印字节流_Python 调用系统命令的模块 Subprocess
- 如何写_如何写博士论文?博士生如何写期刊论文?
- 【原】UCS-2和UTF-8的互相转换
- el-table表格在表头和数据行添加图标、处理数据
- Mac OS X上编写 ASP.NET vNext(一)KRE环境搭建
- 毕业论文参考文献格式GB/T 7714的Endnote设置教程
- Will----个人资料
- win7安装micropython串口驱动失败
- 金蝶显示服务器许可,金蝶K3服务器分配许可数已经全部使用,无法建立新的连接怎么办...
- 正态分布某一点的概率怎么算_统计基础篇之十三:怎么理解正态分布(二)
- 在王者荣耀角度下分析面向对象程序设计B中23种设计模式之原型模式
- 今天的几点感悟_20160711
- MyBatis-Plus——自动填充功能实现
- 《C语言及程序设计》实践参考——n=a!+b!+c!