线性规划中的对偶问题
每个线性规划问题都有一个与之对应的对偶问题,对偶问题也是一个线性规划问题,并且对偶问题的对偶问题是原问题。原问题的最优解可以由对偶问题得到,有时候利用对偶理论求解线性规划问题更加简单,也更能了解问题的本质。在对偶理论的启发下,单纯形法的性能得到了改进,也出现了一些求解线性规划问题的非单纯形法,本文暂不详解。
对偶关系
考虑如下形式的对偶问题
minimizecTxsubject toAx≥bA≥0
将其称为原问题,其相应的对偶形式定义为
maximizeλTbsubject toλTA≤cTλ≥0
其中
λ
称为对偶向量,这种对偶称为
对称形式的对偶。
另外对于线性规划的标准形,其约束为
Ax=b
,等价于
Ax≥b−Ax≥−b
因此含有等式约束的原问题可以写为
minimizecTxsubject to[A−A]x≥[b−b]x≥0
这与对称形式的原问题具有相同的结构,因此上述问题的对偶问题为
maximize[uT vT][b−b]subject to[uT vT][A−A]≤cTu,v≥0
对偶问题可以整理为
maximize(u−v)Tbsubject to(u−v)TA≤cTu,v≥0
令
λ=u−v
,上述问题则变为
maximizeλTbsubject toλTA≤cT
注意此时由于
u,v≥0,λ=u−v
,没有了非负约束,将这种关系称为
非对称形式的对偶。
对偶问题的性质
在这里给出对偶问题的一些基本结论,暂不做证明
弱对偶引理:假设
x
和
λ
分别是线性规划的原问题和对偶问题(对称形式及非对称形式)的可行解,则
xTx≥λTb
,即“极大值
≤
极小值”。
定理1:假设
x0
和
λ0
分别是原问题和对偶问题的可行解,如果
cTx0=λT0b
,那么
x0
和
λ0
分别是各自问题的最优解。
定理2(对偶定理):如果原问题有最优解,那么其对偶问题也有最优解,并且它们目标函数的最优解相同。
定理3(互补松弛条件):
x
和
λ
分别是原问题和对偶问题的可行解,则它们分别是各自问题的最优解的充分必要条件为
1.(cT−λTA)x=02.λT(Ax−b)=0