下载文档原格式
一、用单纯形第Ⅰ阶段和第Ⅱ阶段解下列问题s.t.解：1)、将该线性问题转为标准线性问题一、第一阶段求解初始可行点2)、引入人工变量修改约束集合取人工变量为状态变量，问题变量和松弛变量为决策变量，得到如下单纯形表，并是所有决策变量的值为零，得到人工变量的非负值。
2 -2 -1 1 21 1 -1 -1 12 -1 -2 1 25 -2 -4 1 -1 1 50 0 0 0 03)、对上述单纯形表进行计算，是目标函数进一步减小，选为要改变的决策变量，计算改变的限值。
2 -2 -1 1 2 11 1 -1 -1 1 02 -1 -2 1 2 05 -2 -4 1 -1 1 5 10 0 0 0 00 1 0 0 04)、由于，为人工变量，当其到达零值时，将其从问题中拿掉保证其值不会再变。
同时将以改变的决策变量转换为状态变量。
增加的值使目标函数值更小。
1 -3 1 1 1 01 1 -1 11 -3 1 1 1 00 0 0 00 0 05）使所有人工变量为零的问题变量的值记为所求目标函数的初始可行点，本例为，二、第二阶段用单纯形法求解最优解-2 2 1 01 1 -1 0-2 1 2 15 1 3要使目标函数继续减小，需要减小或的值，由以上计算，已经有两个松弛变量为零，因此或不能再减小了，故该初始可行点即为最优解。
2、求解问题s.t.如果目标函数变成，确定使原解仍保持最优的c值范围，并把目标函数最大值变达成c的函数。
解：先采用单纯形法求解最优解，再对保持最优解时C值的范围进行讨论。
1）将问题华为标准线性问题s.t.2）用单纯形表表示约束条件，同时在不引入人工变量的前提下，取松弛变量得初始值为零值，求解初始解和最优解10 -1 -1 -1 10-20 1 5 1 -20-2 -1 -1 00 0 0要使目标函数继续减小，可以增大，增大的限值是10。
10 -1 -1 -1 10 0-20 1 5 1 -20 -10-2 -1 -1 0 -200 0 010 0 03）转轴。
线性规划与单纯形法线性规划（Linear Programming）是一种在资源有限的情况下，通过最优化目标函数来确定最佳解决方案的数学优化方法。
而单纯形法（Simplex Method）则是一种常用的求解线性规划问题的算法。
本文将介绍线性规划与单纯形法的基本概念和运算步骤，以及实际应用中的一些注意事项。
一、线性规划的基本概念线性规划的基本思想是在一组线性不等式约束条件下，通过线性目标函数的最小化（或最大化）来求解最优解。
其中，线性不等式约束条件可表示为：```a1x1 + a2x2 + ... + anxn ≤ b```其中，x1、x2、...、xn为决策变量，a1、a2、...、an为系数，b为常数。
目标函数的最小化（或最大化）可表示为：```min(c1x1 + c2x2 + ... + cnxn)```或```max(c1x1 + c2x2 + ... + cnxn)```其中，c1、c2、...、cn为系数。
二、单纯形法的基本思想单纯形法是由乔治·丹尼尔·丹齐格尔（George Dantzig）于1947年提出的求解线性规划问题的算法。
其基本思想是通过逐步迭代改进当前解，直至达到最优解。
三、单纯形法的运算步骤1. 初等列变换：将线性规划问题转化为标准型，即将所有约束条件转化为等式形式，并引入松弛变量或人工变量。
2. 初始化：确定初始可行解。
通常使用人工变量法来获得一个初始可行解。
3. 检验最优性：计算当前基础解的目标函数值，若目标函数值小于等于零，则该基础解即为最优解。
否则，进入下一步。
4. 基本可行解的变换：选择一个入基变量和一个出基变量，并进行基本变换，得到新的基础解。
5. 迭代求解：根据目标函数值是否小于等于零，判断是否达到最优解。
若达到最优解，则算法终止；若未达到最优解，则返回步骤3进行下一轮迭代。
四、单纯形法的实际应用注意事项1. 线性规划问题的约束条件必须是线性的，且可行解集合必须是有界的。
线性规划问题的解法与最优解分析线性规划是一种数学建模方法，用于解决最优化问题。
它在工程、经济学、管理学等领域有着广泛的应用。
本文将介绍线性规划问题的解法和最优解分析。
一、线性规划问题的定义线性规划问题是指在一定的约束条件下，求解一个线性目标函数的最大值或最小值的问题。
线性规划问题的数学模型可以表示为：max/min Z = c₁x₁ + c₂x₂ + ... + cₙxₙsubject toa₁₁x₁ + a₁₂x₂ + ... + a₁ₙxₙ ≤ b₁a₂₁x₁ + a₂₂x₂ + ... + a₂ₙxₙ ≤ b₂...aₙ₁x₁ + aₙ₂x₂ + ... + aₙₙxₙ ≤ bₙx₁, x₂, ..., xₙ ≥ 0其中，Z表示目标函数的值，c₁, c₂, ..., cₙ为目标函数中的系数，a₁₁,a₁₂, ..., aₙₙ为约束条件中的系数，b₁, b₂, ..., bₙ为约束条件中的常数，x₁,x₂, ..., xₙ为决策变量。
二、线性规划问题的解法线性规划问题的解法主要有两种：图形法和单纯形法。
1. 图形法图形法适用于二维或三维的线性规划问题。
它通过绘制约束条件的直线或平面以及目标函数的等高线或等高面，来确定最优解。
首先，将约束条件转化为不等式，并将其绘制在坐标系上。
然后，确定目标函数的等高线或等高面，并绘制在坐标系上。
最后，通过观察等高线或等高面与约束条件的交点，找到最优解。
图形法简单直观，但只适用于低维的线性规划问题。
2. 单纯形法单纯形法是一种迭代的求解方法，适用于高维的线性规划问题。
它通过在可行域内不断移动，直到找到最优解。
单纯形法的基本思想是从初始可行解开始，每次通过找到一个更优的可行解来逼近最优解。
它通过选择一个基本变量和非基本变量，来构造一个新的可行解。
然后，通过计算目标函数的值来判断是否找到了最优解。
如果没有找到最优解，则继续迭代，直到找到最优解为止。
单纯形法是一种高效的求解线性规划问题的方法，但对于大规模的问题，计算量会很大。
第一章线性规划及单纯形法6.6单纯形法小结Drawingontheexampl,thetwoaxisinterceptsareplotted.2、求初始基可行解并进行最优性检验Cj比值CBXBb 检验数?jx1x2x3x4x53500081010012020103634001x3x4x5000035000令非基变量x1=0，x2=0，找到一个初始基可行解：x1=0，x2=0，x3=8，x4=12，x5=36，σj＞0，此解不是最优（因为z=3x1+5x2+0x3+0x4+0x5)即X0=(0,0,8,12,36)T，此时利润Z=03、寻找另一基可行解Cj比值CBXBb检验数?jx1x2x3x4x53500081010012020103634001x3x4x5000035000-12/2=636/4=9主元首先确定入基变量再确定出基变量检验数?j81010060101/2012300-21x3x2x5050-30300-5/20Cj比值CBXBb检验数?jx1x2x3x4x53500081010012020103634001x3x4x5000035000-12/2=636/4=9令x1=0，x4=0，得x2=6，x3=8，x5=12，即得基可行解X1=(0,6,8,0,12)T此时Z＝30σ1=3＞0，此解不是最优迭代4、寻找下一基可行解Cj比值CBXBb检验数?jx1x2x3x4x53500081010060101/2012300-21x3x2x5050-30300-5/208-4检验数?j40012/3-1/360101/204100-2/31/3x3x2x1053-42000-1/2-1令x4=0，x5=0，得x1=4，x2=6，x3=4，即X0=(4,6,4,0,0)T?j＜0最优解:X=(4,6,4,0,0)T最优值:Z=42小结：单纯形表格法的计算步骤①将线性规划问题化成标准型。
②找出或构造一个m阶单位矩阵作为初始可行基，建立初始单纯形表。
单纯形法求解线性规划的步骤1>初始化将给定的线性规划问题化成标准形式,并建立一个初始表格,它最右边的单元格都是非负的(否则无解),接下来的m列组成一个m*m的单元矩阵(目标行的单元格则不必满足这一条件),这m列确定了初始的基本可行解的基本变量,而表格中行用基本变量来表示2>最优化测试如果目标行的所有单元格都是非负的(除了最右列中代表目标函数值的那个单元格),就可以停止了,该表格代表了一个最优解,它的基本变量的值在最右列中,而剩下的非基本变量都为03>确定输入变量从目标行的前n个单元格中选择一个负的单元格(选择绝对值最大的那个)该单元格所在的列确定的输入变量及主元列4>确定分离变量对于主元列的每个正单元格,求出θ比率(如果主元格的单元格为负或为0,说明该问题是无解的,算法终止),找出θ比率最小的列,改行确定了分离变量和主元行5>建立下一张表格将主元行的所有单元格除以主元得到新的主元行,包括主元行在内的每一行,要减去改行主元列单元格和新主元行的成绩(除主元行为1外,这一步将主元列的所有单元格变成0).把主元列的变量名进行代换,得到新的单纯形表,返回第一步为求简单在本程序中,需要自己建立标准矩阵(比如加入松弛变量等工作需要用户自己完成),程序的输入有两种方式:1:指定行和列,由用户自行输入每一个元素SimpleMatrix(introw=0,int col=0);2:直接在主程序中初始化一个二维数组,然后利用构造函数SimpleMatrix(introw,int col,double **M) 来初始化和处理(本程序所用的实例用的是这种方法)程序中主要的函数以及说明~SimpleMatrix();销毁动态分配的数组.用于很难预先估计矩阵的行和列,所以在程序中才了动态的内存分配.需要重载析构函数bool Is_objectLine_All_Positive();其中row2为主元所在的行,col为主元所在的列,row1为要处理的行void PrintAnswer();数不合法"<<endl;}SimpleMatrix::SimpleMatrix(int row,int col){init(row,col);for(int i=0;i<rowLen;i++)cout<<"请输入矩阵中第"<<i+1<<"行的系数"<<endl; for(int j=0;j<colLen;j++)cin>>data[i][j];}？}SimpleMatrix::SimpleMatrix(int row,int col,double **M) {rowLen=row;colLen=col;init(row,col);for (int i=0;i<row;i++)for(int j=0;j<col;j++){data[i][j]=*((double*)M+col*i+j); ;}}SimpleMatrix::~SimpleMatrix(){if(colLen*rowLen != 0 ){for(int i=rowLen-1;i>=0;i--){if (data[i]!=NULL)delete[] data[i];}if (data!=NULL)delete[] data;}？}bool SimpleMatrix::Is_objectLine_All_Positive(){for(int i=0;i<colLen-1;i++)if(data[rowLen-1][i]<0)return false;return true;}bool SimpleMatrix::Is_MainCol_All_Negative(int col) {for(int i=0;i<rowLen;i++)if(data[i][col]>0)return false;return true;}bool SimpleMatrix::Is_column_all_Positive(int col){for(int i=0;i<rowLen-1;i++){return false;}return true;}int SimpleMatrix::InColumn(){int count=0;for(int i=0;i<colLen-1;i++){int temp=GetItem(rowLen-1,i);if(temp>=0){count++;}elsebreak;}double maxItem=fabs(GetItem(rowLen-1,count));int index_col;for(i=0;i<colLen-1;i++){double temp=GetItem(rowLen-1,i);if(temp<0){if(maxItem<=fabs(temp)){maxItem=fabs(temp);index_col=i;}}}return index_col;}int SimpleMatrix::DepartRow(int col){int index_row;int count=0;for(int i=0;i<rowLen;i++){if(data[i][col]<0)count++;elsebreak;}double minItem=data[count][colLen-1]/data[count][col]; index_row=count;double temp;for(i=0;i<rowLen-1;i++)temp=data[i][col];if(temp>0){temp=data[i][colLen-1]/temp;if(temp<minItem){minItem=temp;index_row=i;}}}return index_row;}void SimpleMatrix::MainItem_To_1(int row,int col){double temp=GetItem(row,col);pp#include <iostream>#include ""using namespace std;int main(){double M[4][7]={{5,3,1,1,0,0,9},{-5,6,15,0,1,0,15},{2,-1,1,0,0,-1,5},{-10,-15,-12,0,0,0,}}; SimpleMatrix Matrix(4,7,(double **)M);if(5))//判断是否存在最优解{bool p=();//判断主元列是否全部为正,确定是否已经取得最优解while(!p){int col=();//确定主元所在的行if(col))//确定线性规划的解是否为无解的{cout<<"线性规划问题是无界的,没有最优解"<<endl;exit(EXIT_FAILURE);}else{int mainRow=(col);//确定主元所在的行(mainRow,col);//将主元所在的行做变换,使主元变成1int i=0;while(i<()){if(i!=mainRow){(i,mainRow,col);//处理矩阵中其他的行,使主元列的元素为0i++;}elsei++;}}}for(int i=0;i<();i++)//输出变换以后的矩阵,判断是否正确处理{for (int j=0;j<();j++){cout<<(i,j)<<" ";}cout<<endl;}p=();}();}elsecout<<"线性规划无解"<<endl;return0;}。
