文章目录

  • 一、原问题与对偶问题标准形式
  • 二、互补松弛定理
  • 三、已知原问题最优解求对偶问题最优解
  • 四、互补松弛定理求最优解思路

一、原问题与对偶问题标准形式


原问题 P\rm PP : 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 D\rm DD : 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​​

等价方法 :

  • 生产 : 目标函数追求 利润最大化 , 约束方程设备的使用时长受约束 , 小于等于 某个时间值 ;
  • 出租设备 : 目标函数追求 租金最小化 , 约束方程设备产生的利润要 大于等于 生产的利润 , 不能亏钱 ;

二、互补松弛定理


X0\rm X^0X0 和 Y0\rm Y^0Y0 分别是 原问题 P\rm PP 问题 和 对偶问题 D\rm DD 的 可行解 ,

这两个解各自都是对应 线性规划问题 的 最优解

的 充要条件是 : {Y0Xs=0YsX0=0\begin{cases} \rm Y^0 X_s = 0 \\\\ \rm Y_sX^0 = 0 \end{cases}⎩⎪⎨⎪⎧​Y0Xs​=0Ys​X0=0​

其中 Xs,Ys\rm X_s , Y_sXs​,Ys​ 是 松弛变量 或 剩余变量 ;

三、已知原问题最优解求对偶问题最优解


已知线性规划 :

minW=2x1−x2+2x3{−x1+x2+x3=4−x1+x2−x3≤6x1≤0,x2≥0,x3无约束\begin{array}{lcl} \rm minW= 2x_1 - x_2 + 2x_3 \\\\ \rm \begin{cases} \rm -x_1 + x_2 + x_3 = 4 \\\\ \rm -x_1 + x_2 - x_3 \leq 6 \\\\ \rm x_1 \leq 0 ,x_2 \geq 0 , x_3 无约束 \end{cases}\end{array}minW=2x1​−x2​+2x3​⎩⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎧​−x1​+x2​+x3​=4−x1​+x2​−x3​≤6x1​≤0,x2​≥0,x3​无约束​​

上述线性规划的对偶问题的最优解是 Y0=(0−2)\rm Y^0 = \begin{pmatrix} \quad \rm 0 \quad \rm -2 \quad \end{pmatrix}Y0=(0−2​) , 求其原问题最优解 ;

互补松弛定理 :

" X0\rm X^0X0 和 Y0\rm Y^0Y0 分别是 原问题 P\rm PP 问题 和 对偶问题 D\rm DD 的 最优解 " ⇔\Leftrightarrow⇔ {Y0Xs=0YsX0=0\begin{cases} \rm Y^0 X_s = 0 \\\\ \rm Y_sX^0 = 0 \end{cases}⎩⎪⎨⎪⎧​Y0Xs​=0Ys​X0=0​

其中 Xs,Ys\rm X_s , Y_sXs​,Ys​ 是 松弛变量 或 剩余变量 ;

分析 :

给出了对偶问题最优解 Y0=(0−2)\rm Y^0 = \begin{pmatrix} \quad \rm 0 \quad \rm -2 \quad \end{pmatrix}Y0=(0−2​) , 其互补松弛定理中对应原问题的松弛变量 Xs=(x4x5)\rm X_s =\begin{pmatrix} \quad \rm x_4 \quad \\\\ \quad \rm x_5 \quad \end{pmatrix}Xs​=⎝⎛​x4​x5​​⎠⎞​ ;

根据公式有 (0−2)×(x4x5)=0\rm \begin{pmatrix} \quad \rm 0 \quad \rm -2 \quad \end{pmatrix} \times \begin{pmatrix} \quad \rm x_4 \quad \\\\ \quad \rm x_5 \quad \end{pmatrix} = 0(0−2​)×⎝⎛​x4​x5​​⎠⎞​=0
0x4−2x5=0\rm 0 x_4 - 2x_5= 00x4​−2x5​=0

−2x5=0\rm - 2x_5= 0−2x5​=0

原问题添加松弛变量 ,

−x1+x2+x3=4\rm -x_1 + x_2 + x_3 = 4−x1​+x2​+x3​=4 已经是等式了 , 添加一个 x4\rm x_4x4​ 松弛变量 , x4=0\rm x_4 = 0x4​=0 ,

−x1+x2−x3≤6\rm -x_1 + x_2 - x_3 \leq 6−x1​+x2​−x3​≤6 添加松弛变量 x5\rm x_5x5​ , 由于对应的最优解不为 000 , 是 −2-2−2 , 其对应的松弛变量还是 000 , 即 x5=0x_5 = 0x5​=0 ;

原问题的最优解满足 {−x1+x2+x3=4−x1+x2−x3=6\begin{cases} \rm -x_1 + x_2 + x_3 = 4 \\\\ \rm -x_1 + x_2 - x_3 = 6 \end{cases}⎩⎪⎨⎪⎧​−x1​+x2​+x3​=4−x1​+x2​−x3​=6​ 方程 , 该方程组 222 个等式 , 333 个变量 , 如果再得到一个方程 , 就可以得到三个方程 ;

根据 对偶理论中的 强对偶性 , 如果 原问题 与 对偶问题 都有可行解 , 只要有一个问题有最优解 , 则 两个问题都有最优解 , 二者的最优解的目标函数值相等 ;

这里求一下对偶问题的目标函数值 , 对偶问题的目标函数与原问题的目标函数值相等 ;

对偶问题的目标函数是 maxZ=4y1+6y2=4×0−2×6=−12\rm max Z = 4y_1 + 6y_2 = 4 \times 0 - 2 \times 6 = -12maxZ=4y1​+6y2​=4×0−2×6=−12 ;

因此原问题的目标函数值也是 121212 , 得到式子 minW=2x1−x2+2x3=−12\rm minW= 2x_1 - x_2 + 2x_3 = -12minW=2x1​−x2​+2x3​=−12 ;

这里就得到了 333 个方程组 , 333 个变量 , 求解下面的方程组 , 最终结果就是最优解 ;

{−x1+x2+x3=4①−x1+x2−x3=6②2x1−x2+2x3=−12③\begin{cases} \rm -x_1 + x_2 + x_3 = 4 \ \ ① \\\\ \rm -x_1 + x_2 - x_3 = 6 \ \ ② \\\\ 2x_1 - x_2 + 2x_3 = -12 \ \ ③ \end{cases}⎩⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎧​−x1​+x2​+x3​=4  ①−x1​+x2​−x3​=6  ②2x1​−x2​+2x3​=−12  ③​

最终方程组的解是 :

{x1=−5x2=0x3=−1\begin{cases} \rm x_1 = -5 \\\\ \rm x_2 = 0 \\\\ x_3 = -1 \end{cases}⎩⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎧​x1​=−5x2​=0x3​=−1​

最终的原方程的最优解是 (−50−1)\begin{pmatrix} \quad \rm -5 \quad 0 \quad \rm -1 \quad \end{pmatrix}(−50−1​)

目标函数值是 −12-12−12

四、互补松弛定理求最优解思路


给定线性规划 , 给定一个问题的最优解 , 求另一个问题的最优解 ;

互补松弛定理 :

" X0\rm X^0X0 和 Y0\rm Y^0Y0 分别是 原问题 P\rm PP 问题 和 对偶问题 D\rm DD 的 最优解 " ⇔\Leftrightarrow⇔ {Y0Xs=0YsX0=0\begin{cases} \rm Y^0 X_s = 0 \\\\ \rm Y_sX^0 = 0 \end{cases}⎩⎪⎨⎪⎧​Y0Xs​=0Ys​X0=0​

其中 Xs,Ys\rm X_s , Y_sXs​,Ys​ 是 松弛变量 或 剩余变量 ;

使用上述互补松弛定理 , 求出 给定的最优解 对应的对偶问题线性规划 松弛变量的值 ;

将 松弛变量 代入到 约束方程等式 中 , 求解出的值就是线性规划问题的最优解 ;

还有一种方式 , 就是根据给定的最优解 , 求出 本问题线性规划的 松弛变量值 ,

根据 本问题的松弛变量值 求对应 对偶问题的 最优解 ;

【运筹学】对偶理论 : 互补松弛定理应用 2 ( 互补松弛定理求最优解思路 ) ★★相关推荐

  1. [数论]-----中国剩余定理(扩展中国剩余定理)

    中国剩余定理 中国剩余定理(CRT)用于求形如: { x ≡ a 1 ( m o d m 1 ) x ≡ a 2 ( m o d m 2 ) ⋯ ⋯ x ≡ a k ( m o d m k ) \be ...

  2. android算命大全,善奇命理(善奇命理网我的测算)V1.5.4 安卓免费版

    善奇命理(善奇命理网我的测算)是一个集成了许多算命测试功能的软件.无论是中国传统的算命.释梦还是西方的塔罗牌,此款应用都是可用的.测算就来善奇命理(善奇命理网我的测算)软件吧. 软件介绍 善奇命理(善 ...

  3. 北交的计算机和北理,北航与北理

    图片发自简书App 图片发自简书App 北京航空航天大学 北京航空航天大学是我国著名的"211"."985"."双一流"高校,为国家培养了大 ...

  4. 会理天气预报软件测试,会理天气预报15天

    发送给QQ好友 ★会理未来15天天气预报★ 会理天气预报7月22日 星期四: 阵雨,18°C~28°C无持续风向,小于3级 会理天气预报7月23日 星期五: 阵雨,18°C~28°C无持续风向,小于3 ...

  5. 中国剩余定理模版【中国剩余定理】

    /*问题:求解 n个方程:x=a[i](mod m[i]) (0<=i<n) 的x类型:中国剩余定理吐槽:这个模版要求m[i]之间两两互质啊QAQ */#include<cstdio ...

  6. 中国剩余定理 及 拓展中国剩余定理模板

    求解同余方程组: { x ≡ r 1 ( m o d m 1 ) x ≡ r 2 ( m o d m 2 ) ⋯ x ≡ r n ( m o d m n ) \left\{\begin{matrix} ...

  7. 《穷查理宝典》查理芒格箴言录 epub+mobi+azw3

    作者: [美] 彼得·考夫曼 出版社: 上海人民出版社 出品方: 世纪文景 副标题: 查理·芒格的智慧箴言录 原作名: Poor Charlie's Almanack:The Wit and Wisd ...

  8. 《穷查理宝典:查理·芒格智慧箴言录》读书笔记

    1."我手里只要有一本书,就不会觉得浪费时间." 2."我的剑留给能够挥舞他的人."--<天路历程>真理剑客 3."如果你想要说服别人,要 ...

  9. 杰理之连接杰理蓝牙测试盒标志和后台切去蓝牙的使用【篇】

    log_printf("get_remote_test_flag=0x%0x\n",get_remote_test_flag()); if(get_remote_test_flag ...

最新文章

  1. python实现平衡二叉树_LeetCode 110. 平衡二叉树 | Python
  2. 页面样式乱了,但是又感觉各种js,css都引入了
  3. 腾讯「AI In All」的背后,是开放AI技术能力,探索腾讯应用场景
  4. 进程线程001 进程线程结构体和KPCR
  5. pdf更新啦,快来瞧瞧!
  6. spool命令、创建一个表,创建而且copy表,查看别的用户下的表,rowid行地址 索引的时候使用,表的增删改查,删除表,oracle的回收站...
  7. PowerPoint2007文件格式
  8. excel科学计数法还原成字符串方法
  9. 一定要收藏的面试思维导图
  10. tabLayout 设置分割线
  11. web邮箱和客户端的区别
  12. SSL证书中DV、OV、EV证书的区别有哪些
  13. python 自动化微信小程序_干货 | 微信小程序自动化测试最佳实践(附 Python 源码)...
  14. 用户态协议栈tcp/ip设计
  15. #torch.bmm()函数解读
  16. python爬取汽车之家_python爬取 汽车之家(汽车授权经销商)
  17. 2019 年度个人深度总结
  18. Beauty diary
  19. ultraiso制作u盘启动盘教程图文详解
  20. PowerDesigner常见使用

热门文章

  1. 固态SSD的认知与保养
  2. [从头读历史] 第289节 神之物语 忒修斯的故事
  3. Zigbee网关 CC2530驱动1602显示屏
  4. Android SlidingMenu 开源项目使用示例(一)
  5. 新版本游戏试玩APP搭建教程,附上试玩APP源码
  6. 顺序表和链表实现图书管理系统
  7. u盘插入电脑,提示 无法识别的usb设备
  8. java线程中yield()和join()的区别
  9. 像老熊一样学习oracle
  10. 安卓APP开发发展趋势与前景