【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 ) ★★
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=0YsX0=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=0YsX0=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=⎝⎛x4x5⎠⎞ ;
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)×⎝⎛x4x5⎠⎞=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=0YsX0=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
- [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 ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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} ...
- 《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 ...
- 《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 ...
- 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
- python实现平衡二叉树_LeetCode 110. 平衡二叉树 | Python
- 页面样式乱了,但是又感觉各种js,css都引入了
- 腾讯「AI In All」的背后,是开放AI技术能力,探索腾讯应用场景
- 进程线程001 进程线程结构体和KPCR
- pdf更新啦,快来瞧瞧!
- 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...
- PowerPoint2007文件格式
- excel科学计数法还原成字符串方法
- 一定要收藏的面试思维导图
- tabLayout 设置分割线
- web邮箱和客户端的区别
- SSL证书中DV、OV、EV证书的区别有哪些
- 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)...
- 用户态协议栈tcp/ip设计
- #torch.bmm()函数解读
- python爬取汽车之家_python爬取 汽车之家(汽车授权经销商)
- 2019 年度个人深度总结
- Beauty diary
- ultraiso制作u盘启动盘教程图文详解
- PowerDesigner常见使用