线性规划 (二) 单纯形法
问题描述
标准线性规划的容许集是凸多面体,有有限个极点,若有容许解,则必有基本容许解;若有最优解,则必有最优基本解。由此看来,为求最优解,只须关心基本容许解。又因为基本容许解与极点是一一对应的,所以从几何上,容易想出:先求出一个极点,再沿凸多面体的棱求出另一个使目标函数值所有下降的极点。因为极点的总数是有限的,所以在一定条件下,总可以迭代到最优的极点,因为极点的总数是有限的,所以在一定条件下,总可以迭代到最优的极点。
那么你想依次循环迭代每个极点的话,你需要知道已下三点:1. 怎样求第一个基本容许解? 2. 求出来了这个解怎么判断是不是最优解? 3. 怎么从一个基本容许解迭代到下一个?用官方术语来表示就是:
- 怎样求得标准线性规划的一个初始基本容许解?
- 怎样判别一个基本容许解是否为最优解?
- 怎样从一个基本容许解迭代出使目标函数值下降的另一个基本容许解?
求解思路
我们先看后面两个,也就是怎么判别一个基本容许解是否为最优解:
考虑下面的线性规划问题:
mincTxs.t. Ax=bx≥0}\left.\begin{array}{c}{\min c^{T} x} \\ {\text {s.t. } A x=b} \\ {x \geq 0}\end{array}\right\} mincTxs.t. Ax=bx≥0⎭⎬⎫
其中AAA是秩为mmm的m×nm \times nm×n矩阵。设BBB是已知的容许基,不妨设A=[B,N]A = [B, N]A=[B,N]相应地,把xxx和ccc分解为:
x=[xBxN],c=[cBcN]x =\begin{bmatrix}x_{B}\\ x_{N}\end{bmatrix} ,c=\begin{bmatrix}c_{B}\\ c_{N}\end{bmatrix} x=[xBxN],c=[cBcN]
于是可以写成下式:
mincBTxB+cNTxNTs.t. BxB+NxN=bxB≥0,xN≥0}\left.\begin{array}{c}{\min c^{T}_{B} x_{B}+c_{N}^{T}x_{N}^{T}} \\ {\text {s.t. } Bx_{B} + Nx_{N}=b} \\ {x_{B} \geq 0,x_{N} \geq 0}\end{array}\right\} mincBTxB+cNTxNTs.t. BxB+NxN=bxB≥0,xN≥0⎭⎬⎫
令所有非基变量的取值为零,即xN=0x_{N}=0xN=0,那么由上面的这个等式约束立刻得到基变量向量的取值为xB=B−1bx_{B}=B^{-1}bxB=B−1b。因此关于BBB的基本容许解是:
其目标函数值是:
z‾=cBTB−1b\overline{z}=c_{B}^{T}B^{-1}b z=cBTB−1b
现在考虑对于上述的线性规划的任意一个解呢?其容许解可表示为x=[xBT,xNT]Tx=[x_{B}^{T},x_{N}^{T}]^{T}x=[xBT,xNT]T,其目标函数值是:
z=cBTxB+cNTxNz=c_{B}^{T}x_{B}+c_{N}^{T}x_{N} z=cBTxB+cNTxN
由此可以求解出xB=B−1b−B−1NxNx_{B}=B^{-1}b-B^{-1}Nx_{N}xB=B−1b−B−1NxN并代入上式,再利用z‾=cBTB−1b\overline{z}=c_{B}^{T}B^{-1}bz=cBTB−1b可得:
z=cBT(B−1b−B−1NxN)+cNTxN=z‾−(cBTB−1N−cNT)xNz = c_{B}^{T}(B^{-1}b-B^{-1}Nx_{N})+c_{N}^{T}x_{N} \\ =\overline{z}-(c_{B}^{T}B^{-1}N-c_{N}^{T})x_{N} z=cBT(B−1b−B−1NxN)+cNTxN=z−(cBTB−1N−cNT)xN
如令σNT=cBTB−1N−cNT\sigma_{N}^{T}=c_{B}^{T}B^{-1}N-c_{N}^{T}σNT=cBTB−1N−cNT则
z=z‾−σNTxNz=\overline{z}-\sigma_{N}^{T}x_{N} z=z−σNTxN
由于xxx是容许解,故必有xN≥0x_{N} \geq 0xN≥0,因此,只要σN≤0\sigma_{N} \leq 0σN≤0,由z=z‾−σNTxNz=\overline{z}-\sigma_{N}^{T}x_{N}z=z−σNTxN立刻得知z≥z‾z \geq \overline{z}z≥z,即关于BBB的基本容许解是最优解。由此得到关于基BBB的基本容许解是最优解的一个充分条件为:
σNT=cBTB−1N−cNT≤0T\sigma_{N}^{T}=c_{B}^{T}B^{-1}N-c_{N}^{T} \leq 0^{T} σNT=cBTB−1N−cNT≤0T
将N=[am+1,⋅⋅⋅,an]N=[a_{m+1},···,a_{n}]N=[am+1,⋅⋅⋅,an]代入σN\sigma_{N}σN中,得:
σj=cBTB−1aj−cj,j=m+1,⋅⋅⋅,n\sigma_{j}=c_{B}^{T}B^{-1}a_{j}-c_{j},j=m+1,···,n σj=cBTB−1aj−cj,j=m+1,⋅⋅⋅,n
一些定义
因为上面这个公式比较重要,所以我们有必要给其下一个定义:
定义:在标准线性规划中,设BBB是一个基,则:
σj=cBTB−1aj−cj,j=1,2,⋅⋅⋅,n\sigma_{j}=c_{B}^{T}B^{-1}a_{j}-c_{j},j=1,2,···,n σj=cBTB−1aj−cj,j=1,2,⋅⋅⋅,n
称为变量xjx_{j}xj关于基BBB的判别数。
按此定义,σT=cBTB−1A−cT\sigma^{T}=c_{B}^{T}B^{-1}A-c^{T}σT=cBTB−1A−cT是所有变量xxx的判别数向量,σNT=cBTB−1N−cNT\sigma_{N}^{T}=c_{B}^{T}B^{-1}N-c_{N}^{T}σNT=cBTB−1N−cNT是所有非基变量xNx_{N}xN的判别数向量。而所有基本变量xBx_{B}xB的判别数向量是:
σBT=[σ1,σ2,⋯,σm]=cBTB−1B−cBT=0T\sigma_{B}^{T}=[\sigma_{1},\sigma_{2},\cdots , \sigma_{m}] \\ = c_{B}^{T}B^{-1}B-c_{B}^{T} = 0^{T} σBT=[σ1,σ2,⋯,σm]=cBTB−1B−cBT=0T
由此可以看到,所有非基变量的判别数都等于零。
定理:在标准线性规划中,设BBB是容许基,若所有变量关于BBB的判别数都非正,则关于BBB的基本容许解是最优解。
之后你就可以刷题了。emmm。
我的微信公众号名称:深度学习与先进智能决策
微信公众号ID:MultiAgent1024
公众号介绍:主要研究分享深度学习、机器博弈、强化学习等相关内容!期待您的关注,欢迎一起学习交流进步!
线性规划 (二) 单纯形法相关推荐
- 【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 | 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 | 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 | 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 ...
- 线性规划与单纯形法(线性规划、单纯形法、单纯形表、人工变量法)
线性规划与单纯形法 文章目录 线性规划与单纯形法 概念.建模.标准型 标准型.基.基解.基可行解.可行基 单纯形法 单纯形表的应用 关于检验数和退化的讨论 人工变量法之"大M法" ...
- 王树尧老师运筹学课程笔记 06 线性规划与单纯形法(几何意义)
第6讲 线性规划与单纯形法(几何意义) 线性规划的几何意义 图解法 线性规划的维度 变量 可行域维度 图像维度 1 x1x_1x1 1(线段) 1 2 x1.x2x_1.x_2x1.x2 2(平 ...
- 线性规划之单纯形法【超详解+图解】-转载
线性规划之单纯形法[超详解+图解] 目录 1.作用 2.线性规划的一般形式 5.1几何意义 5.2如何判断最优 5.3如何选择新的基变量 5.4如何选择被替换的基变量 5.5终止条件 标准型: 转化为 ...
- 【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] ...
- 单纯形法表格法例题详解_第二章 线性规划与单纯形法(补充例题123页开始).ppt...
您所在位置:网站首页 > 海量文档  > 高等教育 > 微积分 第二章 线性规划与单纯形法(补充例题123页开始).p ...
最新文章
- 为什么微服务一定要有网关?
- Cocos2d-x项目开发时在Eclipse中配置环境编译C++
- zabbix-web前端配置
- python绘制立体扇形_Python实现PS滤镜特效之扇形变换效果示例
- struts2 标签不能使用EL 表单式
- [css] margin和padding使用的场景有哪些?
- java 刷新jtextarea_Java JTextArea不能实时刷新的问题
- 蒙特卡洛分析_随机模拟:马尔科夫链蒙特卡洛采样MCMC与EM算法「2.3」
- 信息学奥赛一本通(1212:LETTERS)
- 在C#中,不安装Oracle客户端如何连接Oracle数据库
- 进入环境_大学新生,进入新环境该怎样和舍友、同学相处
- WPS简历模板的图标怎么修改_新媒体运营-简历模板范文,【工作经历+项目经验+自我评价】怎么写?...
- minimax算法_如何通过使用minimax算法使Tic Tac Toe游戏无与伦比
- 中国农业大学研究生计算机学院宿舍,中国农业大学宿舍条件怎么样
- Opencv各个模块功能详细简介
- 20192132055 李欣桐第二次作业
- ROS1云课-导航实践测评
- .NET框架-Try-Parse和Tester-Doer
- 基于PCA和PLS的近红外光谱建模
- 每日一练蓝桥杯C语言:暴力枚举