文章目录

一、单纯形法计算示例
二、转化标准形式
三、查找初始基可行解
四、列出单纯形表
五、最优解判定

在上一篇博客【运筹学】线性规划数学模型 ( 单纯形法 | 最优解判定原则 | 单纯形表 | 系数计算方法 | 根据系数是否小于等于 0 判定最优解 ) 博客中讲解了最优解判定原则 , 基本原理就是

目标函数推导后的结果 maxZ=b0+(CNT−CBTB−1N)XNmaxZ = b_0 + ( C_N^T - C_B^T B^{-1}N )X_NmaxZ=b0+(CNT−CBTB−1N)XN ;
如果满足条件 : " 当 XN=OX_N = OXN=O 时 , 目标函数取值最大 " , 那么该 BBB 矩阵对应的基可行解就是最优解 ( 根据定理得出 ) ;
在 (CNT−CBTB−1N)( C_N^T - C_B^T B^{-1}N )(CNT−CBTB−1N) 计算结果中 , 每个分量的值都小于等于 000 时 , 该解就是最优解 ;
将 CNC_NCN , CBC_BCB , B−1NB^{-1}NB−1N 写入单纯形表中 , 方便计算 ;
(CNT−CBTB−1N)=(cm+1cm+2⋯cn)−(c1c2⋯cm)×[a1,m+1⋯a1n⋮⋮⋮am,m+1⋯amn]( C_N^T - C_B^T B^{-1}N ) = \begin{pmatrix} c_{m+1} \quad c_{m+2} \quad \cdots \quad c_n \end{pmatrix} - \begin{pmatrix} c_{1} \quad c_{2} \quad \cdots \quad c_m \end{pmatrix} \times \begin{bmatrix} &a_{1,m+1} & \cdots & a_{1n} & \\\\ &\vdots & \vdots & \vdots & \\\\ &a_{m,m+1} & \cdots & a_{mn} & \end{bmatrix}(CNT−CBTB−1N)=(cm+1cm+2⋯cn)−(c1c2⋯cm)×⎣⎢⎢⎢⎢⎢⎡a1,m+1⋮am,m+1⋯⋮⋯a1n⋮amn⎦⎥⎥⎥⎥⎥⎤
根据上述公式 , 每个系数的计算公式为 : σj=cj−∑ciaij\sigma_j = c_j - \sum c_i a_{ij}σj=cj−∑ciaij , 其中 cjc_jcj 对应的是非基变量在目标函数系数 , cic_ici 是基变量在目标函数中的系数 , aija_{ij}aij 是 B−1NB^{-1}NB−1N 中的矩阵向量 , 代表一列 ;

单纯形法解线性规划的三大问题 : 查找初始基可行解 , 判定是否是最优解 , 如何迭代基可行解 ;

在前几篇博客中讲解了如何查找初始基可行解 , 与判定是否是最优解 , 本篇博客中讲解如何进行迭代 ;

一、单纯形法计算示例

使用单纯形法求解线性规划最优解 :

maxZ=3x1+4x2{2x1+x2≤40x1+3x2≤30xj≥0(j=1,2)\begin{array}{lcl} max Z = 3x_1 + 4x_2 \\ \\ \begin{cases} 2 x_1 + x_2 \leq 40 \\\\ x_1 + 3x_2 \leq 30 \\ \\x_j \geq 0 & (j = 1 , 2 ) \end{cases}\end{array}maxZ=3x1+4x2⎩⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎧2x1+x2≤40x1+3x2≤30xj≥0(j=1,2)

二、转化标准形式

首先将该线性规划转为标准形式 :

① 变量约束 : 首先查看变量约束 , 两个变量都是 ≥0\geq 0≥0 的 , 符合线性规划标准形式要求 ;

② 不等式转换 : 两个等式都是小于等于不等式 , 需要在不等式左侧加入松弛变量 , 将其转为等式 ;

2x1+x2≤402 x_1 + x_2 \leq 402x1+x2≤40 , 左侧加入松弛变量 x3x_3x3 , 变为 2x1+x2+x3=402 x_1 + x_2 + x_3 = 402x1+x2+x3=40
x1+3x2≤30x_1 + 3x_2 \leq 30x1+3x2≤30 , 左侧加入松弛变量 x4x_4x4 , 变为 x1+3x2+x4=30x_1 + 3x_2 + x_4 = 30x1+3x2+x4=30

③ 更新目标函数 : 将 x3x_3x3 和 x4x_4x4 加入到目标函数中 , 得到新的目标函数 maxZ=3x1+4x2+0x3+0x4max Z = 3x_1 + 4x_2 + 0x_3 + 0x_4maxZ=3x1+4x2+0x3+0x4 ;

此时线性规划标准形式为 :

maxZ=3x1+4x2+0x3+0x4{2x1+x2+x3+0x4=40x1+3x2+0x3+x4=30xj≥0(j=1,2,3,4)\begin{array}{lcl} max Z = 3x_1 + 4x_2 + 0x_3 + 0x_4 \\ \\ \begin{cases} 2 x_1 + x_2 + x_3 + 0x_4 = 40 \\\\ x_1 + 3x_2 + 0x_3 + x_4 = 30 \\\\ x_j \geq 0 & (j = 1 , 2 , 3 , 4 ) \end{cases}\end{array}maxZ=3x1+4x2+0x3+0x4⎩⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎧2x1+x2+x3+0x4=40x1+3x2+0x3+x4=30xj≥0(j=1,2,3,4)

三、查找初始基可行解

找基矩阵 :

上述线性规划标准形式的系数矩阵为 [21101301]\begin{bmatrix} &2 & 1 & 1 & 0 & \\\\ & 1 & 3 & 0 & 1 & \end{bmatrix}⎣⎡21131001⎦⎤ , 其中子矩阵中有 [1001]\begin{bmatrix} & 1 & 0 & \\\\ & 0 & 1 & \end{bmatrix}⎣⎡1001⎦⎤ 单位阵 III ;

使用该单位阵 III 作为基矩阵 , 单位阵肯定是可逆的 , 其对应的基解 , 解出后的值就是右侧的常数值 , 肯定大于等于 000 , 是基可行解 ;

四、列出单纯形表

列出单纯形表 :

cjc_jcj	cjc_jcj		333	444	000	000
CBC_BCB 基变量系数 (目标函数)	基变量	常数 bbb	x1x_1x1	x2x_2x2	x3x_3x3	x4x_4x4	θi\theta_iθi
000 ( 目标函数 x3x_3x3 系数 c3c_3c3 )	x3x_3x3	404040	222	111	111	000
000 ( 目标函数 x4x_4x4 系数 c4c_4c4)	x4x_4x4	303030	111	333	000	111
		σj\sigma_jσj	333	444	000	000

基变量是 x3x_3x3 和 x4x_4x4 , 基变量在约束条件中的系数矩阵 [1001]\begin{bmatrix} &1 & 0 & \\\\ &0 & 1 & \end{bmatrix}⎣⎡1001⎦⎤ 就是基矩阵 , 这是个单位阵 ;

基变量是 x3x_3x3 和 x4x_4x4 在目标函数中的系数是 (00)\begin{pmatrix} \quad 0 \quad 0 \quad \end{pmatrix}(00) ;

此时的基解是 (004030)\begin{pmatrix} \quad 0 \quad \\ \quad 0 \quad \\ \quad 40 \quad \\ \quad 30 \quad \\ \end{pmatrix}⎝⎜⎜⎛004030⎠⎟⎟⎞ , 该解是初始解 , 下面判定该解是否是最优解 ;

五、最优解判定

使用检验数矩阵 (CNT−CBTB−1N)( C_N^T - C_B^T B^{-1}N )(CNT−CBTB−1N) 判断上述解 , 是否是最优解 , 该矩阵计算结果中所有的数 , 都是检验数 σ\sigmaσ , 如果所有的数都小于等于 000 , 说明该解就是最优解 ;

这里只求非基变量的检验数 , 即 x1x_1x1 , x2x_2x2 的检验数 ;

列出目标函数非基变量系数 (CNT−CBTB−1N)( C_N^T - C_B^T B^{-1}N )(CNT−CBTB−1N) 矩阵 :

非基变量在目标函数中的系数矩阵 : CNT=(34)C_N^T=\begin{pmatrix} \quad 3 \quad 4 \quad \end{pmatrix}CNT=(34)
基变量在目标函数中的叙述矩阵 : CBT=(00)C_B^T = \begin{pmatrix} \quad 0 \quad 0 \quad \end{pmatrix}CBT=(00)
B−1NB^{-1}NB−1N 是系数矩阵中经过矩阵变换后 , 基变量系数是单位阵 III , 非基变量系数是 B−1NB^{-1}NB−1N : B−1N=[2113]B^{-1}N =\begin{bmatrix} &2 & 1 & \\\\ &1 & 3 & \end{bmatrix}B−1N=⎣⎡2113⎦⎤

(CNT−CBTB−1N)=CNT=(34)−(00)×[2113]( C_N^T - C_B^T B^{-1}N ) = C_N^T=\begin{pmatrix} \quad 3 \quad 4 \quad \end{pmatrix} - \begin{pmatrix} \quad 0 \quad 0 \quad \end{pmatrix} \times \begin{bmatrix} &2 & 1 & \\\\ &1 & 3 & \end{bmatrix}(CNT−CBTB−1N)=CNT=(34)−(00)×⎣⎡2113⎦⎤

=(σ1σ2)= \begin{pmatrix} \quad \sigma_{1} \quad \sigma_{2} \quad \end{pmatrix}=(σ1σ2)

其中 σ1\sigma_{1}σ1 是目标函数中 x1x_1x1 的系数 , σ2\sigma_{2}σ2 是目标函数中的 x2x_2x2 的系数 ;

如果上述两个系数都小于等于 000 , 那么当非基变量 XN=(x1x2)X_N =\begin{pmatrix} x_{1} \\ x_{2} \end{pmatrix}XN=(x1x2) 取值为 000 时 , 目标函数取值最大 ;

系数的计算公式为 : σj=cj−∑ciaij\sigma_j = c_j - \sum c_i a_{ij}σj=cj−∑ciaij , 其中 cjc_jcj 对应的是非基变量在目标函数系数 , cic_ici 是基变量在目标函数中的系数 , aija_{ij}aij 是 B−1NB^{-1}NB−1N 中的矩阵向量 , 代表一列 ;

σ1=c1−(c3a11+c4a12)\sigma_{1} = c_1 - ( c_3 a_{11} + c_4 a_{12} )σ1=c1−(c3a11+c4a12)

σ1=3−(0×2)−(0×1)=3\sigma_{1} =3 - (0 \times 2) - (0 \times 1) = 3σ1=3−(0×2)−(0×1)=3 , 是从下面的单纯形表中的如下位置提取的数值 ;

σ2=c2−(c3a21+c4a22)\sigma_{2} = c_2 - ( c_3 a_{21} + c_4 a_{22} )σ2=c2−(c3a21+c4a22)

σ2=4−(0×1)−(0×3)=4\sigma_{2} =4 - (0 \times 1) - (0 \times 3) = 4σ2=4−(0×1)−(0×3)=4 , 是从下面的单纯形表中的如下位置提取的数值 ;

如果这两个系数 , 如果都小于等于 000 , 该基可行解(004030)\begin{pmatrix} \quad 0 \quad \\ \quad 0 \quad \\ \quad 40 \quad \\ \quad 30 \quad \\ \end{pmatrix}⎝⎜⎜⎛004030⎠⎟⎟⎞ 才是最优解 , 这两个系数都大于 000 , 因此不是最优解 ;

【运筹学】线性规划数学模型 ( 单纯形法 | 最优解判定原则 | 线性规划求解示例 )相关推荐

【运筹学】线性规划数学模型 ( 单纯形法 | 最优解判定原则 | 可行解表示 | 目标函数推导 | 目标函数最大值分析 )
文章目录一.基矩阵 + 非基矩阵约束条件二.基矩阵 + 非基矩阵线性规划三.线性规划可行解四.目标函数推导五.XN=OX_N = OXN=O 目标函数最大分析六.总结在上一篇 ...
【运筹学】线性规划数学模型 ( 单纯形法 | 最优解判定原则 | 单纯形表 | 系数计算方法 | 根据系数是否小于等于 0 判定最优解 )
文章目录一.(CNT−CBTB−1N)( C_N^T - C_B^T B^{-1}N )(CNT−CBTB−1N) 系数分析二.CBC_BCB XBX_BXB 分析三.CNC_NCN ...
【运筹学】线性规划数学模型 ( 单纯形法 | 迭代原则 | 入基 | 出基 | 线性规划求解示例 )
文章目录一.单纯形法计算示例 ( 上篇博客回顾总结 ) 二.迭代原则三.最优解推导四.出基与入基五.出基与入基变量选择一.单纯形法计算示例 ( 上篇博客回顾总结 ) 在上一篇博客 [运筹学] ...
【运筹学】线性规划数学模型 ( 单纯形法 | 第一次迭代 | 方程组同解变换 | 计算新单纯形表 | 计算检验数 | 入基变量选择 | 出基变量选择 )
文章目录一.初始基可行解后第一次迭代二.迭代后新的单纯形表三.方程组同解变换四.生成新的单纯形表五.解出基可行解六.计算检验数 σj\sigma_jσj 并选择入基变量七.计算 θ\t ...
【运筹学】线性规划数学模型 ( 单纯形法 | 第二次迭代 | 方程组同解变换 | 生成新单纯形表 | 计算检验数 | 最优解判定 | 线性规划解个数分析 )
文章目录一.第二次迭代二.方程组同解变换三.生成新的单纯形表四.计算检验数.最优解判定五.最优解个数说明 1.唯一最优解 2.无穷最优解 3.无界解 4.总结六.出基变量选择说明上一篇博 ...
【运筹学】线性规划数学模型 ( 单纯形法原理 | 单纯形法流程 | 查找初始基可行解 )
文章目录一.单纯形法原理二.单纯形法流程三.初始的基可行解查找一.单纯形法原理单纯形法的理论基础 : 定理 111 ( 可行域是凸集 ) : 如果线性规划的问题存在可行解 , 其可行域 ...
运筹学 ——线性规划之单纯形法
专栏简介: 大家好,我是小佘,一名交通专业在读本科生.新学期我们专业开设了运筹学课程,运筹学是本专业核心课程之一,所以学好运筹学是很有必要的.开设这个专栏的目的主要是为了督促自己及时整理,复习所学知识 ...
【运筹学】单纯形法总结 ( 单纯形法原理 | 单纯形法流程 | 单纯形表 | 计算检验数 | 最优解判定 | 入基变量 | 出基变量 | 方程组同解变换 ) ★★★
文章目录一.单纯形法原理二.单纯形法流程三.单纯形法案例一 1.线性规划示例 2.转化标准形式 3.查找初始基可行解 4.初始基可行解的最优解判定 5.第一次迭代 : 入基与出基变量选择 6.第 ...
【运筹学】线性规划单纯形法案例二 ( 第二次迭代 | 矩阵变换 | 检验数计算 | 最优解判定 )
文章目录一.第二次迭代 : 进行矩阵变换二.第二次迭代 : 计算检验数三.第二次迭代 : 最优解判定 [运筹学]线性规划数学模型 ( 单纯形法 | 第二次迭代 | 方程组同解变换 | 生成新单纯 ...

【运筹学】线性规划数学模型 ( 单纯形法 | 最优解判定原则 | 线性规划求解示例 )