文章目录

一、知识点回顾
- 1、线性规划三要素
- 2、线性规划一般形式
- 3、线性规划标准形式
二、线性规划解、可行解、最优解
三、阶梯型矩阵
四、阶梯型矩阵向量
五、基、基向量、基变量、非基变量

一、知识点回顾

1、线性规划三要素

线性规划三要素 :

决策变量 : x1,x2,⋯x_1 , x_2 , \cdotsx1,x2,⋯
目标条件 : 决策变量的线性函数 , 求最大值或最小值 ;
约束条件 : 一组由决策变量组成的等式或不等式 ;

2、线性规划一般形式

max(min)z=∑j=1ncjxj{∑j=1naijxj=bi(i=1,2⋯m)xj≥0(i=1,2⋯n)\begin{array}{lcl}max (min) z = \sum_{j=1}^{n}c_j x_j\\ \\ \begin{cases} \sum_{j=1}^{n} a_{ij}x_j = b_i & (i = 1 , 2 \cdots m) \\ \\x_j \geq 0 & (i = 1 , 2 \cdots n) \end{cases}\end{array}max(min)z=∑j=1ncjxj⎩⎪⎨⎪⎧∑j=1naijxj=bixj≥0(i=1,2⋯m)(i=1,2⋯n)

3、线性规划标准形式

标准形式特点及转化步骤 : 按照如下顺序进行处理 ;

约束条件都是等式 , 且右侧常数 ≥0\geq 0≥0 , 小于等于不等式加上松弛变量 , 大于等于不等式减去剩余变量 ;
决策变量 ≥0\geq 0≥0 , 没有约束的变量 xj=xj′−xj′′x_j = x_j' - x_j''xj=xj′−xj′′ , 使用两个变量代替 111 个变量 ;
目标函数求最大值 , 如果是求最小值 , 目标函数 ×−1\times -1×−1 ;

线性规划标准形式 :

maxZ=∑j=1ncjxjs.t{∑j=1naijxj≤(=⋅≥)bii=1,2,⋯,mxj≥0j=1,2,⋯,n\begin{array}{lcl}max Z = \sum_{j = 1}^{n} c_j x_j\\\\ s.t \begin{cases} \sum_{j = 1}^{n} a_{ij} x_j \leq ( = \cdot \geq) b_i & i = 1,2,\cdots,m \\ \\ x_j \geq 0 & j= 1, 2,\cdots,n \end{cases}\end{array}maxZ=∑j=1ncjxjs.t⎩⎪⎨⎪⎧∑j=1naijxj≤(=⋅≥)bixj≥0i=1,2,⋯,mj=1,2,⋯,n

二、线性规划解、可行解、最优解

线性规划标准形式如下 :

maxZ=∑j=1ncjxjs.t{∑j=1naijxj=bii=1,2,⋯,mxj≥0j=1,2,⋯,n\begin{array}{lcl}max Z = \sum_{j = 1}^{n} c_j x_j\\\\ s.t \begin{cases} \sum_{j = 1}^{n} a_{ij} x_j = b_i & i = 1,2,\cdots,m \\ \\ x_j \geq 0 & j= 1, 2,\cdots,n \end{cases}\end{array}maxZ=∑j=1ncjxjs.t⎩⎪⎨⎪⎧∑j=1naijxj=bixj≥0i=1,2,⋯,mj=1,2,⋯,n

可行解 : 满足约束条件的解 , 称为可行解 ;

可行域 : 所有的可行解组成的集合 , 称为可行域 ;

最优解 : 使目标函数达到最大值的可行解 , 称为最优解 ;

线性规划求解就是在可行解中找出一个最优解 ;

将线性规划转化为标准形式 , 就可以使用求解方程组的方法 , 求解线性规划的可行解 ;

三、阶梯型矩阵

拿到一个方程组 AX=BAX = BAX=B , 其中

AAA 是 m×nm \times nm×n 的矩阵
XXX 是 n×1n \times 1n×1 维向量
BBB 是 m×1m \times 1m×1 维向量

这是线性规划的矩阵形式 , 参考【运筹学】线性规划数学模型 ( 三要素 | 一般形式 | 向量形式 | 矩阵形式 ) VI 线性规划数学模型矩阵形式

解上述方程组 , 使用高斯方程 , 高斯消元法 ;

将系数矩阵 AAA 和 BBB 做成一个矩阵 (AB)\bigl( A B \bigr)(AB) , 进行行变换 , 消元成阶梯形式 , 此时可以判断该方程组是否有解 , 如果有 , 可以将所有的解解出来 , 求解时 , 阶梯元素很关键 ,

阶梯型矩阵参考 : 矩阵中每行的第一个不为零的元素 , 其左侧和下方全是 0 ;

高斯消元法示例 : 求解下面的方程组 ;

{x1+x2+x3=8x2−x3=2\begin{cases} x_1 + x_2 + x_3 = 8 \\ \\ x_2 - x_3 = 2 \end{cases}⎩⎪⎨⎪⎧x1+x2+x3=8x2−x3=2

(AB)\bigl( A B \bigr)(AB) 矩阵为 [111801−12]\begin{bmatrix} &1 & 1 & 1 & 8 & \\\\ &0 & 1 & -1 & 2 & \end{bmatrix}⎣⎡10111−182⎦⎤

找到阶梯型矩阵 : 前两列就是阶梯型矩阵 ;

前两列的矩阵 [1101]\begin{bmatrix} &1 & 1 & \\\\ &0 & 1 & \end{bmatrix}⎣⎡1011⎦⎤ 就是特殊矩阵 , 分别是 x1x_1x1 和 x2x_2x2 对应的矩阵 ;

x3x_3x3 是特殊的变量 , 其可以任意取值的 , 当 x3x_3x3 取任意值时 , 通过阶梯型矩阵 , 可以计算出 x1x_1x1 和 x2x_2x2 的值 ;

假设 x3x_3x3 取值为 kkk , 那么 :

x2=k+2x_2 = k + 2x2=k+2
x1=6−2kx_1 = 6 - 2kx1=6−2k

四、阶梯型矩阵向量

{x1+x2+x3=8x2−x3=2\begin{cases} x_1 + x_2 + x_3 = 8 \\ \\ x_2 - x_3 = 2 \end{cases}⎩⎪⎨⎪⎧x1+x2+x3=8x2−x3=2

方程组中有如下向量 :

x1x_1x1 对应的矩阵列向量 [10]\begin{bmatrix} &1 & \\\\ &0 & \end{bmatrix}⎣⎡10⎦⎤ 称为 P1P_1P1 ,
x2x_2x2 对应的矩阵列向量 [11]\begin{bmatrix} &1 & \\\\ &1 & \end{bmatrix}⎣⎡11⎦⎤ 称为 P2P_2P2 ,
x3x_3x3 对应的矩阵列向量 [1−1]\begin{bmatrix} &1 & \\\\ &-1 & \end{bmatrix}⎣⎡1−1⎦⎤ 称为 P3P_3P3 ,

写成向量形式 (P1P2P3b)\bigl( \ P_1 \ P_2 \ P_3 \ b \ \bigr)( P1 P2 P3 b ) , 在上方程组的矩阵中 , 找到阶梯型矩阵后 , 阶梯型矩阵对应的向量 P1P_1P1 和 P2P_2P2 是特殊的 ;

(P1P2)\bigl( \ P_1 \ P_2 \ \bigr)( P1 P2 ) 两个列向量构成了 2×22 \times 22×2 二阶方阵 , 该方阵是阶梯型矩阵 , 是可逆的 ;

可逆矩阵参考

上述方程组可以写成 P1x1+P2x2+P3x3=bP_1x_1 + P_2 x_2 + P_3x_3 = bP1x1+P2x2+P3x3=b 形式 ;

有如下计算推导过程 :

AX=BAX = BAX=B

P1x1+P2x2+P3x3=bP_1x_1 + P_2 x_2 + P_3x_3 = bP1x1+P2x2+P3x3=b

(P1P2)(x1x2)+P3x3=b\bigl( \ P_1 \ P_2 \ \bigr) \begin{pmatrix} x_1 \\ x_2 \end{pmatrix} + P_3x_3 = b( P1 P2 )(x1x2)+P3x3=b

将 (P1P2)\bigl( \ P_1 \ P_2 \ \bigr)( P1 P2 ) 当做一个矩阵 BBB , 将 (x1x2)\begin{pmatrix} x_1 \\ x_2 \end{pmatrix}(x1x2) 当做一个矩阵 XBX_BXB ;

将整个系数矩阵除了 BBB 之外剩下的矩阵称为 NNN , 对应的变量矩阵称为 XNX_NXN ;

BXB+NXN=bBX_B + NX_N = bBXB+NXN=b

在上述矩阵的表达式中 , 方程组 {x1+x2+x3=8x2−x3=2\begin{cases} x_1 + x_2 + x_3 = 8 \\ \\ x_2 - x_3 = 2 \end{cases}⎩⎪⎨⎪⎧x1+x2+x3=8x2−x3=2 中一定有一个系数矩阵的子矩阵 BBB 是特殊的矩阵 ;

BBB 矩阵与 AAA 矩阵的关系 :

AAA 矩阵是 m×nm \times nm×n 维的矩阵 , mmm 行 , nnn 列 , 有 nnn 个变量 , mmm 个等式 ;
AAA 的秩为 mmm , 且 n≥mn \geq mn≥m ;
矩阵 BBB 就是 m×mm \times mm×m 的方阵 ;

线性规划前提 :

这里说明一下 , 如果 n≤mn \leq mn≤m , 那么该方程组有唯一解 , 或无解 ;
整个运筹学讨论的就是等式个数 mmm 少于变量个数 nnn , 有多个解的情况下 , 如何找出最优解 , 因此其矩阵的秩就是等式个数 mmm ;

五、基、基向量、基变量、非基变量

AAA 矩阵是 m×nm \times nm×n 维的矩阵 , mmm 行 , nnn 列 , 线性规划中 , 有 nnn 个变量 , mmm 个等式 ;

矩阵 AAA 的秩是 mmm , 即等式个数 ;

矩阵 AAA 中肯定能找到一个可逆的方阵 , 矩阵 BBB ;

矩阵 BBB 是矩阵 AAA 中的满秩子矩阵 , 则称该 矩阵 BBB 是线性规划问题的一个基 ;

P1x1+P2x2+P3x3=bP_1x_1 + P_2 x_2 + P_3x_3 = bP1x1+P2x2+P3x3=b

上述示例中的 (P1P2)\bigl( \ P_1 \ P_2 \ \bigr)( P1 P2 ) 就是线性规划中的基 ;

(P1P2)\bigl( \ P_1 \ P_2 \ \bigr)( P1 P2 ) , (P1P3)\bigl( \ P_1 \ P_3 \ \bigr)( P1 P3 ) , (P2P3)\bigl( \ P_2 \ P_3 \ \bigr)( P2 P3 ) 都是线性规划的基 ;

基向量 : 上述基矩阵中的 P1,P2,P3P_1 , P_2 , P_3P1,P2,P3 列向量 , 称为基向量 ;

基变量 : 与基向量相乘的 x1,x2,x3x_1 , x_2, x_3x1,x2,x3 变量 , 称为基变量 ;

非基变量 : 基变量之外的其它变量 , 称为非基变量 ;

【运筹学】线性规划数学模型 ( 知识点回顾 | 可行解 | 最优解 | 阶梯型矩阵 | 阶梯型矩阵向量 | 基 | 基向量 | 基变量 | 非基变量 )相关推荐

【运筹学】线性规划问题的解 ( 可行解 | 可行域 | 最优解 | 秩的概念 | 极大线性无关组 | 向量秩 | 矩阵秩 | 基 | 基变量 | 非基变量 | 基解 | 基可行解 | 可行基 )
文章目录 I . 线性规划问题解 II . 可行解与可行域 III . 最优解 IV . 秩的概念 V . 基的概念 VI . 基变量与非基变量 VII . 基解 VIII . 基可行解 ...
【运筹学】线性规划单纯形法 ( 基矩阵 | 基变量 | 非基矩阵 | 非基变量 | 矩阵分块形式 | 逆矩阵 | 基解 | 基可行解 )
文章目录 I . 基矩阵 B II . 基向量 PjP_jPj III . 基变量 IV . 非基矩阵 NNN V . 系数矩阵分块形式 A=(BN)A = ( B N )A=(BN) VI . 基 ...
【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] ...
管理运筹学的一些知识点
文章目录前言模型建立要求线性规划问题数学模型的一般表达形式解的情况约束条件中常数项的灵敏度分析影子价格对偶价格松约束紧约束小结线性规划模型的标准形式单纯形法基本思路和原理引 ...
【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 | 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 | 最优解判定原则 | 线性规划求解示例 )
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 | ...
【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】线性规划数学模型 ( 知识点回顾 | 可行解 | 最优解 | 阶梯型矩阵 | 阶梯型矩阵向量 | 基 | 基向量 | 基变量 | 非基变量 )