对偶单纯形法

对偶单纯形法的原理和应用一、原理介绍对偶单纯形法是线性规划的一种求解方法，通过对原问题的对偶问题进行迭代求解，来达到求解原问题的目的。

下面详细介绍对偶单纯形法的原理。

1. 线性规划问题的对偶性在线性规划问题中，我们常常需要求解最小化或最大化线性目标函数的问题，同时满足一系列线性约束条件。

对于这样的问题，可以通过定义对偶问题来求解。

2. 对偶问题的定义对于原问题的最小化形式，可以定义对偶问题的最大化形式。

对于原问题的最大化形式，可以定义对偶问题的最小化形式。

对偶问题和原问题之间具有很强的对称性。

3. 对偶单纯形法的基本思想对偶单纯形法的基本思想是通过迭代求解对偶问题来达到求解原问题的目的。

在每一次迭代中，首先确定最优解是否已经找到，如果找到最优解，则结束算法；否则，确定要改进的变量，通过计算改变最变量之前对应的对偶变量的值，然后再进行下一次迭代。

二、应用场景对偶单纯形法在实际应用中有着广泛的应用场景。

下面列举几个典型的应用场景。

1. 生产计划问题在生产计划问题中，常常需要确定各个生产线的产量，以最小化总成本或最大化总利润。

对偶单纯形法可以应用于该问题的求解，通过定义对偶问题，并通过迭代求解对偶问题，来确定生产线的产量。

2. 项目调度问题在项目调度问题中，需要确定各个项目的开始时间和结束时间，以最小化总工期或最大化资源利用率。

对偶单纯形法可以应用于该问题的求解，通过定义对偶问题，并通过迭代求解对偶问题，来确定项目的调度方案。

3. 运输问题在运输问题中，需要确定各个供应商到各个销售点的运输量，以最小化总运输成本。

对偶单纯形法可以应用于该问题的求解，通过定义对偶问题，并通过迭代求解对偶问题，来确定每个供应商和销售点的运输量。

4. 资源分配问题在资源分配问题中，需要确定各个资源的分配比例，以最大化总效益或最小化总成本。

对偶单纯形法可以应用于该问题的求解，通过定义对偶问题，并通过迭代求解对偶问题，来确定资源的分配比例。

§6 对偶单纯形法在介绍对偶单纯形法之前，让我们先利用对偶理论来重温一下单纯形法的基本思想，以便给单纯形法一种新的解释。

考虑线性规划（LP ）和其对偶规划（DP ）：x c T min b w T max(LP) s.t ⎩⎨⎧≥=0x b Ax (DP) s.t TT c A w ≤我们已经知道，（LP ）的单纯形表为基变量 x 1 x 2 ┄ x nx B B -1 A B -1bf c B T B -1 A – c T c B T B –1b定理1 设(LP)的任一基本解为x 0，它对应于基B ，并作(w 0 )T = c B T B –1。

若x 0 和w 0 分别是(LP)和（DP ）的可行解，则x 0 和w 0 也分别是(LP)和（DP ）的最优解。

证明 因w 0 是（DP ）的可行解，即 (w 0 )T A ≤ c T从而有 c B T B –1A - c T ≤ 0 此式说明，x 0是对应于基B 的基本可行解，且所有的检验数λj ≤ 0故x 0是（LP ）的最优解。

此外，还有(w 0 )T b = c B T B –1 b = c B T x B 0 = c x 0从而由线性规划的对偶定理知，w 0 也是（DP ）的最优解。

证毕。

由以上证明过程可看到：x 0（（LP ）的任一基本解）的检验数全部非正与(w 0 )T = c B T B –1是对偶问题（DP ）的可行解等价。

据此我们可对单纯形法作如下解释：从一个基本解x 0出发迭代到另一个基本解，在迭代过程中始终保持解的可行性（基本可行解），同时使它所对应的对偶规划的解w 0（满足（w 0 ）T = c B T B –1 ）的不可行性逐步消失（即检验数逐步变为非正）；直到w 0是（DP ）的可行解，x 0就是（LP ）的最优解。

因（LP ）和（DP ）互为对偶问题，故基于对称的想法，我们也可以把迭代过程建立在满足对偶问题（DP ）的可行解上，即在迭代过程中保持对应的对偶问题的解w 0的可行性（从而x 0的检验数全部非正），逐步消除原问题（LP ）的基本解x 0的不可行性（即使x 0非负），最后达到双方同时为可行解，x 0和w 0也就同时为最优解了。