单纯形法的基本思路和原理

基变量均≥0，只有检验数都为0，才有σ s x s =0;非基变 量的检验数均 ≤0，只有非基变量都为0，才有σ t x t=0 。 此时目标函数才能取最大值z0。
17
§ 1 单纯形法的基本思路和原理
三、基变换 例题中 σ1，σ2>0，即该基本可行解不是最优解，需
进行基变换。
具体做法：更换可行基中的一个列向量，得到新的 可行基，求出新的基本可行解使目标函数值更优。
5
§ 1 单纯形法的基本思路和原理
该线性规划问题的系数矩阵为：
1 1 1 0 0
A
(
p1 ,
p2
,
p3
,
p4
,
p5
)
2
1
0
1
0
0 1 0 0 1
其中 pj 为系数矩阵 A 第 j 列的向量.A 的秩为3,方程 组变量个数大于 A 的秩，从方程组的无数组解中找 一个初始可行解。
6
§ 1 单纯形法的基本思路和原理
如何找初始基本可行解？ 基本概念
基
Am×n 是约束条件系数矩阵，秩为 m。若 Bm×m 是 A 的子阵， 且可逆，称 B 为一个基。
基向量 基 B 中的一列即称为一个基向量。
非基 向量
在 A 中除了基 B 之外的一列称之为基 B 的非基向量。
基变量 与基向量 pi 相应的变量 xi 叫基变量，基变量有m个。
11
§ 1 单纯形法的基本思路和原理
由于线性规划的标准型中要求 bj ≥0，若能找到一 个基是单位矩阵（各列向量顺序无关重要），例如：
0 0 1
1
0
0
0 1 0
所得基本解一定是基本可行解，解中的各个变量或 等于某个 bj 或等于零。
12
§ 1 单纯形法的基本思路和原理
第一次找到的可行基为单位矩阵（各列可以乱 序），称之为初始可行基，相应的基本可行解叫初始 基本可行解。
max σj ，其中 σj＞0，对应的非基变量为入基变量 基变量
19
§ 1 单纯形法的基本思路和原理
2．出基变量的确定
确定入基变量后，需在原来的基变量 s1，s2，s3 中 选一个出基变量。若 s3 作为出基变量，则新的基变量为 x2，s1，s2 ，非基变量 x1=s3=0，方程组变为：
x2 + s1 = 300， x2 + s2 = 400， x2 = 250. 得基本解：x1=0，x2=250，s1=50，s2=150，s3=0。此解 满足非负条件，是基本可行解。
下面再重新检验其解的最优性，若不是最优解还要 继续进行基变换，直至找到最优解，或者能够判断出 线性规划无最优解为止。
25
本例中找到了一个基是单位矩阵：
1 0 0
B2
0
1
0
0 0 1
令其非基变量 x1=x2=0，得初始基本可行解：
x1=0，x2=0，s1=300，s2=400，s3=250
注：若找不到单位矩阵（各列可以乱序）的基作为初始可行基，
需要构造初始可行基。
13
§ 1 单纯形法的基本思路和原理
二、最优性检验 判断已求得的基本可行解是否是最优解。
0
0
1 0 1
令非基变量 x1=0 ,s2=0 , 约束方程变为基变量的方程。
8
§ 1 单纯形法的基本思路和原理
基变量的约束方程: x2+s1=300， x2 =400， x2+s3=250，
求解得到此线性规划的一个基本解： x1=0，x2=400，s1=−100，s2=0，s3=−150
9
§ 1 单纯形法的基本思路和原理
1．最优性检验的依据——检验数 σj
目标函数
基变量&非基变量
约束等式中，非基变 量移到右边，用非基 变量表示基变量
目标函数
非基变量
则目标函数中变量系数即为其检验数，把 xi 的检验数 记为 σi。所有基变量检验数为0。
14
§ 1 单纯形法的基本思路和原理
例题中找到一个初始可行基：
1 0 0
B2
0
为了换基要确定换入变量---入基变量与换出变量--出基变量。
18
§ 1 单纯形法的基本思路和原理
1．入基变量的确定
当某 σj＞0 ，非基变量 xj 变为基变量，不取0值可使 目标函数值增大，故选基检验数大于0的非基变量换到基 变量中。
若有两个以上 σj＞0，为使目标函数更大，一般选 σj 较大者的非基变量为入基变量。例题中 σ2=100 是最大的 非负检验数，故选 x2 为入基变量。
是
输出 最优解
是否为最优解
否
否
是 是否无最优解
终止
4
§ 1 单纯形法的基本思路和原理
一、找出一个初始基本可行解 下面通过第二章例1的求解来介绍单纯形法。 在加上松弛变量之后得到此线性规划的标准形式。
目标函数：max 50x1+100x2 约束条件：x1+x2+s1=300，
2x1+x2+s2=400， x2+s3=250， xi ≥0（i=1,2），sj≥0（j=1,2,3）。
20
§ 1 单纯形法的基本思路和原理
如何在求解以前来确定 出基变量，使得求出的 解是可行解？
21
§ 1 单纯形法的基本思路和原理
确定出基变量的方法如下： 把已确定的入基变量在各约束方程中的正系数除 其所在约束方程中的常数项，把最小比值所在的约束 方程中的原基变量确定为出基变量。 在下一步迭代的矩阵变换中可以确保新得到的 bj 值都≥0。
b1 300 300, b2 400 400, b3 250 250
a12 1
a22 1
a32 1
23
§ 1 单纯形法的基本思路和原理
b3
此时a32 最小，从而对应原基变量中 s3 为出基变 量，变换为 x2，s1，s2 为基变量，x1，s3 为非基变量。
令非基变量为零，得 x2 + s1 = 300， x2 + s2 = 400， x2 = 250.
管理运筹学
第五章 单纯形法
北京理工大学 韩伯棠 教授
本章内容
1
2
单纯形法的表格形式
3
求目标函数值最小的线性规划问题的单 纯形表解法
4
几种特殊情况
2
本章内容
1
2
单纯形法的表格形式
3
求目标函数值最小的线性规划问题的单 纯形表解法
4
几种特殊情况
3Leabharlann Baidu
§ 1 单纯形法的基本思路和原理
单纯形法的基本思路：
选取可行域某顶点 (更优顶点)
求解得到新的基本可行解
x1=0，x2=250，s1=50，s2=150，s3=0. 24
§ 1 单纯形法的基本思路和原理
这时目标函数值为 50x1+100x2=50×0+100×250=25 000
显然比初始基本可行解 x1=0，x2=0，s1=300，s2=400， s3=250 时的目标函数值为 0 要好得多。
z z0 j xj jJ
注：对于求目标函数最小值的情况，只需把σj ≤0改为σj ≥0。
16
§ 1 单纯形法的基本思路和原理
当所有的 x j ≥0，且σj ≤0，此时
分析目标函数：
j xj 0
jJ
z z0 j xj z0 （
s xs）（
t xt）
jJ
xs为基向量
xt 为非基向量
1
0
0 0 1
目标函数为50x1+100x2，由于初始可行解中x1，x2 为 非基变量，所以此目标函数已经用非基变量表示了，无
需代换出基变量。各检验数为：
σ1=50，σ2=100，σ3=0，σ4=0，σ5=0
15
§ 1 单纯形法的基本思路和原理
2．最优解判别定理 求最大目标函数的问题中，若某个基本可行解所有 检验数 σj ≤0，则该解是最优解。 通俗地解释最优解判别定理，设用非基变量表示的 目标函数如下所示：
由于该基本解中 s1=−100，s3=−150 ,
不满足决策变量非负的约束条件，不是可行解。 满足非负条件的基本解叫做基本可行解，
并把这样的基叫做可行基。
10
§ 1 单纯形法的基本思路和原理
一般来说判断一个基是否是可行基，只有在求出 其基本解以后。
能否在求解之前，找到一个可行基呢？ 也就是能否找到的一个基保证在求解之 后得到的解一定是基本可行解呢？
非基 变量
与非基向量 pj 相应的变量 xj 叫非基变量，非基变量有n‒m 个。
7
§ 1 单纯形法的基本思路和原理
若在约束方程组系数矩阵中找到一个基，令其非 基变量为零，再求解该 m 元线性方程组可得到唯一 解，该解称之为线性规划的基本解。
此例题找到 A 的一个基 B3（可逆子阵）：
1 1 0
B3 1
min bi/aij，其中aij > 0，对应的基变量为出基变量 基变量
22
§ 1 单纯形法的基本思路和原理
在本例题中约束方程为
x1 + x2 + s1 = 300,
2x1 + x2 + s2 = 400,
x2 + s3 = 250. 在第二步中已经知道 x2 为入基变量，把各约束方 程中 x2 的为正的系数除对应的常量，得