一:对偶定理
1.弱对偶定理:
对原问题和对偶问题的任意可行解(x,y),极小化问题的值大于等于极大化问题的值
证明:
已知 max Z = CTx; min W = byT
且不等式: Ax = b ; yTA >= CT
所以: Z = CTx <= yTA x = yTb =W
即: Z<=W
得证
2.弱对偶的推论:
当极小化问题的解Z = 极大化问题的解W时
认为这个值是极小化问题和极大化问题的解(对偶条件下)
证明:
假设此刻Z表示的是Z的目标函数值(最大值)
Z = CTX* <= W = yTb (任意y值)
假设此刻 Z* = y*Tb,即Z的最大值等于W的最小值
所以得到y就是最小值,W就是对应的最小值
3.对偶定理:
a.原问题的最优解 X,则对偶问题的最优解为y(表达式见下面)
且原问题和对偶问题的最优值相等
y = B-TcB
证明:
a. y = B-TcB是对偶问题的可行解
b. Z = W
a.因为y = B-TcB,则:yT A= B-1CBTA
又因为在原始问题中 x 是最优解,且是最大值,所以 zj-cj>=0
所以: B-1CBTA - CT >= 0
即: yTA >= CT,满足了对偶问题的要求
所以得证是可行解
b.
Z = CBTB-1b
W = yTb = Z
所以 Z = W
得证
b.原问题有 无界解,则对偶问题 无可行解
证明:
Z -> +∞;又 W>=Z
所以:对偶问题无可行解
4.最优解的充分必要条件
已知 x,y 分别是 原问题和对偶问题的可行解
那他们是最优解的充分必要条件
(1)Xj > 0 => yTaj = Cj
(2)Xj = 0 <= yTaj > Cj
等价于 Xj(yTaj - Cj) = 0
证明:
1.必要性: 已知最优 ⇒ Xj(yTaj - Cj) = 0
最优则:Z = W
即:CTX = YTb
故:(YTA-CT)X = 0
2.充分性:已知Xj(yTaj - Cj) = 0 ⇒ 最优
由已知,则:(YTA-CT)X = 0
即: Z = W
则:最优