I . 单纯形法 引入
1. 方程组的解个数 :
- ① 唯一解 : 如果方程组的方程个数 等于 变量的个数 , 变量的解是唯一的 ;
- ② 多个解 : 如果方程组的方程个数 大于 变量的个数 , 变量的解可能会出现多个 ;
2. 单纯形法引入 : 在线性规划中 , 约束方程个数 , 一般情况下会小于变量个数 , 因此会有多个解 , 单纯形法就是针对这种情况求解的方法 , 可以得到符合要求的线性规划的最优解 ;
II . 单纯形法 基本原理
单纯形法原理 :
- ① 初始单纯形 : 先从线性规划 约束方程 中找出单纯形 , 每个单纯形可以解出一组变量的解 ;
- ② 判定趋势 ( 是否最优 ) : 然后判断这个解 影响的 目标函数的趋势 , 使目标函数增大 还是 减小 ;
- ③ 找到更优可行解 : 根据该趋势选择下一个单纯形 , 不断迭代 , 直到找到一个单纯形 , 使目标函数达到最大值或最小值 ;
单纯形法 执行方案 :
- ① 初始可行解 : 先找到 一个 初始可行解 , 判定其是否是最优解 , 如果是到此为止结束 ;
- ② 判定 : 是否最优解 , 如果是 , 到此结束 ; 如果不是 , 继续执行 ③ ;
- ③ 转化更优的可行解 : 那么按照一定法则 , 转换成另一组优化后的 可行解 , 跳转到 ② 继续判定 ;
III . 线性规划 标准形式
线性规划标准形式 : 使用单纯形法 求解 线性规划问题 , 这里要求线性规划数学模型必须是标准形式 , 有如下要求 :
- ① 目标函数 : 变量组成的目标函数 , 求解极大值 ;
- ② 约束方程 : 所有的约束方程都必须是等式 , 并且右侧的常数都必须 大于等于 0 ;
- ③ 变量约束 : 所有的变量取值都必须大于等于 0 ;
线性规划标准形式转换方式 : 【运筹学】线性规划数学模型标准形式 ( 标准形式 | 目标函数转化 | 决策变量转化 | 约束方程转化 | 固定转化顺序 | 标准形式转化实例 ) , 参考上一篇博客内容 ;
IV . 线性规划 标准形式 普通形式公式
线性规划标准形式公式 :
n 个变量 ,
m 个约束方程 ,
n>m 变量数大于方程数 , 解有多个 ;
maxZ=∑j=1ncjxjs.t⎩⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎧∑j=1naijxj=bixj≥0bi≥0i=1,2,⋯,mj=1,2,⋯,ni=1,2,⋯,m
V . 线性规划 标准形式 展开完整形式公式
线性规划标准形式 展开式 :
n 个变量 ,
m 个约束方程 ,
n>m 变量数大于方程数 , 解有多个 ;
maxZ=c1x1+c2x2+⋯+cnxns.t⎩⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎧a11x1+a12x2+⋯+a1nxn=b1a21x1+a22x2+⋯+a2nxn=b2⋯⋯⋯am1x1+am2x2+⋯+amnxn=bmx1,x2,⋯,xn≥0b1,b2,⋯,bn≥0
VI . 线性规划 标准形式 矩阵形式公式 ( 矩阵 C | 矩阵 X | 矩阵 b | 矩阵 A )
1. 线性规划标准形式 矩阵形式 :
n 个变量 ,
m 个约束方程 ,
n>m 变量数大于方程数 , 解有多个 ;
maxZ=CXAX=b,X≥0
2. 矩阵
C : 该矩阵是行向量 , 代表了目标函数中的系数 ;
C=[c1,c2,⋯,cm]*
3. 矩阵
X : 该矩阵是列向量 , 表示目标函数中的变量 ;
X=⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎡x1x2⋮xm⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎤
4. 矩阵
b : 该矩阵是列向量 , 表示约束方程的右侧常数 ;
b=⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎡b1b2⋮bm⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎤
5. 矩阵
A : 该矩阵是
m×n 矩阵 , 有
m 行
n 列 ,
m 表示约束方程个数 ,
n 表示变量个数 ; (
n>m )
m 同时也是 矩阵
A 的秩 ; 该矩阵是
m 个 约束方程的每个变量前的 系数 矩阵 ;
A=⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎡a11a21⋮am1a12a22⋮am2⋯⋯⋱⋯a1na2n⋮amn⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎤
VII . 线性规划 标准形式 向量形式公式 ( 向量 Pj )
1. 向量概念 : 向量是特殊的矩阵 ,
m 行
1 列的矩阵 , 就是向量 ;
2. 线性规划 向量形式 : 其中 矩阵
C , 矩阵
X , 矩阵
b 与上面的矩阵形式内容一致 , 本公式之比上个公式多了一个 向量
Pj ;
maxZ=CXs.t⎩⎪⎨⎪⎧∑j=1nPjxj=bX≥0
3. 向量
Pj 表示 : 该向量是
m 行
1 列的矩阵 , 表示 约束方程
A 中的第
j 行的列向量 , 其中
j=1,2,⋯,n ;
Pj=⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎡a1ja2j⋮amj⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎤
4. 矩阵
A 与 向量
Pj 关系 :
A=⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎡a11a21⋮am1a12a22⋮am2⋯⋯⋱⋯a1na2n⋮amn⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎤=[P1P2⋯Pn]
5. 系数替换方案 : 在线性规划 普通公式中 , 约束方程系数
aij 可以使用
Pj 进行替换 ;
j=1∑naijxj=bii=1,2,⋯,mj=1,2,⋯,n
向量
Pj 代替其中的
aij , 替换完毕后为 :
j=1∑nPjxj=bij=1,2,⋯,n