通信网络理论基础-对偶与整数规划-2010-FINAL-Yu
对偶原理对偶原理
例2 i1 R1
+
us1
il1
–
R3 R2 il2
+
is1
rm i1
–
un1 G2 un2
+
u1 G1
G3
–
gm u1
网孔方程：
节点方程：
(R1+R2) il1- R2 il2 = us1 -(R2- rm) il1 +(R2+R3) il2 =0
(G1+G2)un1- G2 un2 = is1 -(G2 - gm )un1+(G2+G3) un2 = 0
I=0 节点法 并联
网孔 节点
对偶状态 开路
Y 短路
对偶元件 对偶结论
R
G
L
C
开路电流为零，短路电压为零；
理想电压源不能短路，
理想电流源不能开路；
戴维南定理，诺顿定理；
三、求对偶电路的方法（打点法） 例3
i1 R1
+ us1
–
R3 R2
+
rm i1
is1
–
un1 G2 un2
+
u1 G1
G3
–
gm u1
4.6 对偶原理
一、网络对偶的概念 1. 平面网络；
2. 两个网络所涉及的量属于同一个物理量(电路）；
3. 两个方程中对应元素互换后方程能彼此转换 , 互换的元素
称为对偶元素 ; 这两个方程所表示的两个电路互为对偶。
例1
R1
R2
G1
+
us
il –
un
G2
is
网孔电流方程： (R1 + R2)il = us
通信网理论基础第3章
是G的真子图，记为G’ G 。
c.若V’=V，E’ E，即子图G’包含G的所有端，则称
G’是G的生成子图。
21
v1
v2
v1
v2
v1
v2
v3 v5 v4 (a) 原图 v5 v4 (b) 真子图 图与子图 v5 v4 (c) 生成子图
v3
22
4. 最大连通子图：若图G’是图G的一个连通子图，但再加上 一个属于原图G的任何一个其他元素，图G就失去了连通性，成 为非连通图，则图G’叫图G最大连通子图。最大连通子图并不是 极大连通子图。 （三）几种特殊的图
树枝集：图G的生成树上的边组成树枝集。
连枝：生成树之外的边称为连枝，连枝的边集称为连枝集或 称为树补。
具有n个端、m条边的连通图，生成树T有n-1条树枝和 m-n+1条连枝。
29
图G的阶ρ：连通图G的生成树T的树枝数称为图G的阶，记 为ρ。如果图G有n个端，则：ρ（G）=ρ=n-1。 图G的空度μ：连枝集的连枝数称为图G的空度，记为μ。 当G有m条边时，有μ(G)= μ=|G-T|=m-n+1 m=ρ+μ
v5
2.7 5.3
v2
v4
1.8
v3
10
二、图的连通性 （一）相关概念
1.自环、重边和度数
自环：若与一个边er相关联的两个端是同一个端点,则称边er 为自环。
重边：在无向图中与同一对端点关联的两条或两条以上的边 称为重边。在有向图中与同一对端点关联且方向相同 的两条或两条以上的边称为重边。没有自环和重边的 图称为简单图。
ρ：表示生成树的大小，取决于G 中的端点。 μ：
（1）表示生成树覆盖该图的程度。μ越小，覆盖度越高，μ=0表 示图G就是树。
北邮周炯磐通信网1-2章
300～3000 Hz 3～30 kHz
30～300 kHz 300～3000 kHz 3～30 MHz
甚高频 特高频 超高频 极高频 至高频
30～300 MHz 300～3000 MHz 3～30 GHz
? ? ?
对信号的衰耗也随时间变化 对信号的延迟也随时间变化 有多径传播现象 如：短波电离层反射信道，超短波流星余迹散射信道，超短 波对流层散射信道，超短波超视距绕射信道，超短波及微波 对流层散射信道
═
按信号分 ≡ 模拟信道： ?载波传输信道 ≡ 数字信道： ?PCM 传输信道
第一章 引论
通信的概念
─ 通信：信息的传递和交换 ═ 传递：克服时间和空间的限制 交换：信息只有交换才有意义 ═
1.1. 系统与网络
─ 通信系统：将一个用户的信息传送到另一个用户的全部设施 （单工通信系统） ═ 发端机：把信源信息转换成可在信道上传送的信号 ═ 信道：传输信号所需的线路及其附属设备 ═ 收端机：把信号恢复成用户所需的信息 ─ 双工通信系统（如电话） ═ 用户 A 与用户 B 之间 ═ 有一套从 A 到 B 的独立正向通信系统 ═ 还有一套从 B 到 A 的独立反向通信系统 ─ 半双工通信系统（如步话机） ═ 用户 A 与用户 B 之间，收、发端机各有一套 ═ 信道只有一条，正向通信与反向通信分时共用 ─ 通信网络 ═ 通信网络是通信系统的系统 ≡ 当几个用户要两两之间相互通信时 ≡ 就需要一个通信网络。 ═ 最简单的方法就是构成一个全联结网 ≡ 即建立 n(n-1)个通信系统 ≡ 或 n(n-1)/2 个双工或半双工通信系统 ≡ 但成本最高，资源利用率最低，浪费最大 ═ 当然还有许多其它的方法来构成更经济，更高效的各式各样的通信 网， ≡ 如电路转接、信息转接、多址随机接入等方法 ≡ 引入卫星通信所形成的面式网
通信网理论基础第4章
的概率分布有：定长分布、指数分布、爱尔兰分布等。
21
一、基本概念
（一）排队系统的组成
（二）排队系统的三个基本参数 （三）排队系统分类的表示方法
22
（二）排队系统的三个基本参数
任何排队系统都有三个参量m 、λ、μ，称为排队模型三要素。 （1） m ：称为窗口数或服务员数目，表征系统的资源量。 它表示系统中有多少服务设备可同时向顾客提供服务。例如 机场供飞机起降的跑道数，通信系统中的线路数等。
16
(2) 服务规则
① 先到先服务(FCFS)或先入先出(FIFO)。顺序服务。 ② 后到先服务(LCFS)。如；计算机内的堆栈区域就是按此方
式工作的。
③ 优先制服务。对各类顾客分别事先赋予不同的优先级，优 先级愈高，愈提前被服务。 ④ 随机服务。即当窗口有空闲时，不按照排队序列而随意地 指定一个顾客去接受服务。例如，电话交换机接通呼叫的电
8
产生排队现象的根本原因：顾客需求的随机性和服务 设施的有限性是产生排队现象的根本原因。 应用的理论：概率论和随机过程理论。 研究的内容：研究随机服务系统内服务机构与顾客需 求之间的关系（供求关系），以便合理地设计和控制 随机服务系统，使之既能满足一定的服务质量要求又 能节省服务机构的费用。
27
一、基本概念
（一）排队系统的组成 （二）排队系统的三个基本参数
（三）排队系统分类的表示方法
28
（三）排队系统分类的表示方法
采用D．G．肯特尔（D．G．Kendall）提出的分类方法： X/Y/m (n, N)
X ：表示顾客到达时间间隔分布。
Y：表示服务时间分布。 m ：表示窗口或服务员数目（此处特指并列排队系统）。 n ：表示截止队长，省略这一项表示n→∞ ，即为非拒绝系 统。 N ：表示潜在顾客总数，对于无限潜在顾客源，即N→∞时， 可省去这一项。
通信网理论基础
通信网理论基础
1 计算机通信网理论基础
计算机通信网理论是计算机网络的理论基础，它的主要内容包括网络结构、网络协议、通信协议、网络通信处理、信息安全、信道分析、信息管理等理论。
通信网理论与计算机网络相结合，形成了计算机网络技术的复合体。
网络结构
网络结构是计算机网络理论中最重要的一部分，它指定了计算机网络的拓扑结构、路由选择、网络拓扑结构、数据传输拓扑结构等，以及数据传输模型、网络分层结构、网络通信的中间节点协议、网络设施的组织结构等。
网络结构为计算机网络提供了基础支撑，并为计算机网络上的数据传输提供可靠的基础保证。
网络协议
网络协议是计算机网络通信的活动规格，协议的存在是为了让计算机网络中的计算机和通信设备之间的沟通双方统一采用一种协议约定进行配合。
有效的网络协议不仅能指导多媒体数据的传输，还能够管理网络服务质量、网络资源使用情况，确保网络通信的可靠性、安全性及有效利用网络资源。
通信协议
通信协议是指在计算机网络中节点之间传送数据、发送控制信息
而达成沟通的一种协议。
其主要作用是规范双方通信的格式，统一通
信双方的语言，建立沟通的桥梁，使多台计算机可以组成网络工作。
它可以定义多媒体数据传输的方式，也可以对网络资源分配、网络访问、网络状态监视等等进行管理。
计算机通信网理论是计算机网络技术的重要理论基础，网络结构、网络协议和通信协议都必须有效实现才能使计算机网络具有安全、可靠、有效的通信能力，使计算机网络发挥更大的作用。
第1章通信网络概论及数学基础
(2)
t
••• X(t)
(n)
t
1.3.1 随机过程的基本概念（2）
随机过程是随机变量概念在时间域上的延伸。直观地讲， 随机过程是时间t的函数的集合，在任一个观察时刻，
随机过程的取值是一个随机变量。或者说，依赖于时间 参数t的随机变量所构成的总体称为随机过程。
X(t) (1)
X(t) (2)
X(t1) t1
(3)任一个长度为 的区间内，到达的用户数服从参
数为的Poisson分布，即
P(A(t ) A(t) n) n e
n!
n 0,1,2,... （1-14）
其均值Байду номын сангаас方差均为 。
增量平稳性
由于在区间内平均到达的用户数为 ，则即为
单位时间平均到达的用户数或称为到达率。
1.3.2 Poisson过程(4)
CX (t1,t2 ) RX (t1,t2 ) mX (t1)mX (t2 ) （1-7）
1.3.1 随机过程的基本概念（8）
下面介绍几类典型的随机过程： 1.独立随机过程
2.马尔可夫(Markov)过程 3．独立增量过程 4．平稳随机过程 5 ．Poisson过程 6 ．马尔可夫链
1.独立随机过程
•一般的宽平稳过程不是严平稳过程，因为“一阶矩 与时间无关”是不能推出它的概率分布也与时间无 关；同样，自相关函数只依赖于时间差，也不能 推出它的二维联合概率分布与采样时间有关。
•如果一个过程的所有的高阶矩或高阶相关函数完 全由一阶矩、二阶矩决定，此时，宽平稳与严平 稳是等价的。到目前为止，我们了解到的具有此 类特征的过程只有正态过程（高斯过程）
3．独立增量过程
设X(t2)- X(t1)= X(t1 ,t2)是随机过程X(t)在时间间隔[t1 ,t2) 上的增量，如果对于时间t的任意n个值0t1<t2 <… <tn ， 增量X(t1 ,t2), X(t2 ,t3),…, X(tn-1 ,tn)是相互独立的，则称 X(t)为独立增量过程。
第二章 线性规划的对偶理论
第二章 线性规划的对偶理论随着线性规划应用的逐步深入，人们发现线性规划有一个有趣的特性，就是每一个线性规划问题都存在另一个与之配对、两者有密切联系的线性规划问题.称其中一个为原问题，则另一个被称为对偶问题，这个特性称为线性规划的对偶性，这不仅仅是数学上具有的理论问题，由对偶问题引伸出来的对偶解有着重要的经济意义，也是经济学中重要的概念与工具之一. 对偶理论充分显示出线性规划理论逻辑上的严谨性与结构上的对称性，它是线性规划理论的重要成果.§1 对偶问题的提出一、对偶问题的实例在第一章的例1.1中，讨论了某工厂资源的合理利用问题，建立了LP 问题模型： 2125001500max x x z += s.t. 2123x x +≤65 212x x +≤4023x ≤75 （2.1） 21,x x ≥0已知最优解为：70000,25,5**2*1===z x x .现从另一个角度考虑这个问题.假定该厂的决策者考虑自己不生产甲、乙两种产品，而把原拟用于生产这两种产品的资源A,B,C 全部出售给外单位，则应如何确定这三种资源的价格.显然，该厂的决策者要考虑两个原则：第一，每种资源所收回的费用应不低于自己生产时可获得的利润；第二，定价不能太高，要对方容易接受.设321,,y y y 分别表示三种资源出售的价格，则由第一个原则，应有如下约束条件： 2123y y +≥1500 32132y y y ++≥2500 321,,y y y ≥0而把原拟用于生产甲、乙产品的三种资源全部售出，总收入为： 321754065y y y w ++=当然，对厂方而言，w 越大越好，但根据第二个原则，在保证上述条件下，应考虑使总收入即对方的总支出尽可能少才比较合理，因为只有这样，厂方不会吃亏，对方也容易接受.于是，该问题的数学模型归结为：321754065min y y y w ++= s.t. 2123y y +≥150032132y y y ++≥2500 （2.2） 321,,y y y ≥0这也是一个LP 问题，用单纯形法解之得最优解为：500,0,500*3*2*1===y y y及相应的目标函数最优值 *w =70000.如果称（2.1）给出的LP 问题为原问题，则称（2.2）式为（2.1）式的对偶问题.二、对偶问题的形式以上从一个资源利用问题，引出了对资源的估价问题，得到了对偶规划.原问题与其对偶问题之间通常有三种不同的关系形式，以下将原问题记作（P ）问题，对偶问题记作（D ）问题.1、对称型对偶问题 定义2.1 设原LP 问题为n n x c x c x c z +++= 2211max s.t. n n x a x a x a 1212111+++ ≤1bn n x a x a x a 2222121+++ ≤2b （2.3） ………………n m n m m x a x a x a +++ 2211≤m b j x ≥0 （n j ,,2,1 =） 则称下列LP 问题m m y b y b y b w +++= 2211min s.t. m m y a y a y a 1212111+++ ≤1cm m y a y a y a 2222121+++ ≤2c （2.4） ………………m m n n n y a y a y a +++ 2211≤n c i y ≥0 （m i ,,2,1 =）为其对偶问题.其中i y （m i ,,2,1 =）称为对偶变量，并称（2.3），（2.4）为一对对称型对偶问题.如果用矩阵形式来表示模型（2.3），（2.4），则可更清楚地看出两者之间的对称性. cx z =max（P ） s.t. Ax ≤b （2.5） x ≥0 yb w =min（D ） s.t. yA ≤c （2.6） y ≥0其中),,,(21m y y y y =是一行向量.即（P ）问题求极大化，（D ）问题求极小化；（P ）的约束为“≤”，（D ）的约束为“≥”；（P ）的价值系数c ，在（D ）中成为约束右端项；（P ）的约束右端项b ，在（D ）中恰好价值系数；在（P ）中，约束方程左端为Ax ，而在（D ）中，约束方程左端为yA ，决策变量x 、对偶变量y 都是非负的.例2.1 写出（P ）问题321432max x x x z +-= s.t. 321532x x x -+≥2 32173x x x ++≤3 32164x x x ++-≥5 j x ≥0 （ j = 1,2,3） 的（D ）问题.解：首先将问题化为式（2.3）的形式：321432max x x x z +-= s.t. 321532x x x +--≤－2 32173x x x ++≤3 32164x x x --≤－5 j x ≥0 （ j = 1,2,3） 再根据定义2.1，写出其（D ）问题：321532min y y y w -+-= s.t. 32132y y y ++-≥2 32143y y y -+-≥－3 321675y y y -+≥4 i y ≥0 （i = 1,2,3） 2、非对称型对偶问题如果原问题是LP 问题的标准形式，则其对偶问题形式是怎样呢？记（P ）问题为cx z =maxs.t. Ax =b （2.7） x ≥0为了利用对称型（D ）问题的结论，先将问题（2.7）等价地化为：cx z =max s.t. Ax ≤b Ax -≤－b x ≥0再引入对偶向量（u ,v ），其中),,,(21m u u u u =为对应于第一组不等式约束Ax ≤b 的对偶变量，),,,(21m v v v v =为对应于第二组不等式约束Ax -≤－b 的对偶变量，按对称型的结论，可写出其（D ）问题为：⎪⎪⎭⎫⎝⎛-=b b v u w ),(min s.t. ⎪⎪⎭⎫⎝⎛-A A v u ),(≥c u ,v ≥0 即 b v u w )(min -= s.t. A v u )(-≥c u ,v ≥0令 v u y -=为m 维行向量，则以上模型又可写成： yb w =mins.t. yA ≥ c （2.8） y 无符号限制将问题（2.7）与问题（2.8）称为一对非对称型的对偶问题.要注意的是：（P ）问题（2.7）中约束为等式，则其（D ）问题（2.8）中对偶变量无符号限制.例2.2 写出（P ）问题32123max x x x z --= s.t. 6323321=-+x x x 42321=+-x x x j x ≥0 （ j = 1,2,3） 的（D ）问题.解：由式（2.8）知其（D ）问题为 214min y by w += s.t. 213y y +≥3 2122y y -≥－1 213y y +-≥－2 21,y y 无符号限制 3、混合型对偶问题 考虑更一般的LP 问题:2211max x c x c z += s.t. 212111x A x A +≤1b2222121b x A x A =+ （2.9） 232131x A x A +≥3b1x ≥0，2x 无符号限制其中ij A 为j i xn m 矩阵，i b 为i m 维列向量，j c 为j n 维行向量，j x 为j n 维列向量，i = 1,2,3；j = 1,2，且m m m m =++321，n n n =+21.为利用非对称型（D ）问题的结论，令22212x x x -=0,2221≥x x ，引入松弛变量 t s x x ,，其中t s x x ,分别为 31,m m 维列向量. 将问题（2.9）化为标准形式：)(max 2221211x x c x c z -+=s.t. 1222112111)(b x I x x A x A s s =+-+ 2222122121)(b x x A x A =-+3222132131)(b x I x x A x A t t =--+ t s x x x x x ,,,,22211≥0再按式（2.8）写出它的（D ）问题为332211min y b y b y b w ++= s.t. 313212111A y A y A y ++≥1c 323222121A y A y A y ++≥2c 333222121A y A y A y ---≥－2c s I y 1≥0， t I y 3-≥0 即 332211min y b y b y b w ++= s.t. 313212111A y A y A y ++≥1c323222121A y A y A y ++=2c （2.10） 1y ≥0，2y 无符号限制，3y ≤0将问题（2.9）与问题（2.10）称为一对混合型对偶问题.从以上三种形式的对偶关系中，可以总结（P ）问题与（D ）问题相关数据之间的联系，即对偶规则见表2-1.显然，有了对偶规则表2-1，则上述任一形式的问题的对偶问题都可以直接利用表2-1得到.例2.3 写出（P ）问题43212max x z += s.t. 4321234x x x x +-+≥5421723x x x +-≤4 64324321=++-x x x x 1x ≤0，32,x x ≥0，4x 无符号限制 的（D ）问题.解：根据对偶规划表2-1，可直接写出上述（P ）问题的（D ）问题. 321645min y y y w ++= s.t. 321234y y y -+≤2 32132y y y +-≥3 3143y y +-≥－5 172321=++y y y1y ≤0，2y ≥0，3y 无符号限制§2 对偶问题的基本性质这一节给出对偶问题的一些性质，为叙述方便，仅在对称形式下即对（P ）问题：（D ）问题： cx z =max yb w =min s.t. Ax ≤ bs.t. yA ≥ cx ≥ 0y ≥ 0讨论.对其它形式的对偶问题也有类似结论，请读者给出并加以证明.一、对偶规划的若干问题定理2.1（对称性定理） 对偶问题的对偶是原问题. 证明： 先将（D ）问题化成原问题形式 TT y b w )('max -= s.t. T T y A )(-≤Tc - Ty ≥0由定义2.1设Tx 为它的对偶变量，写出它的对偶问题.)('min T T c x z -=s.t. )(T T A x -≥Tb -Tx ≥0即 cx z =max s.t. Ax ≤b x ≥0这就是（P ）问题. 证毕. 根据对称性定理，在一对对偶问题中，可以把其中任何一个称为原问题，则另一个称为其对偶问题.定理2.2（弱对偶定理） 设0x 和0y 分别是（P ）问题和（D ）问题的可行解，则必有0cx ≤b y 0.证明： 因为0x 是（P ）问题的可行解，故必有0Ax ≤b ，0x ≥0 （2.11）又0y 是（D ）问题的可行解，于是有A y 0≥ c ，0y ≥0 （2.12） 用0y 左乘不等式（2.11）两边，得 00Ax y ≤b y 0 用0x 右乘不等式（2.12）两边，得 00Ax y ≥0cx从而有 0cx ≤b y 0 证毕. 推论2.1 如果*x 和*y 分别是（P ）问题和（D ）问题的可行解，且*cx =b y *，则*x 、*y 分别是（P ）问题和（D ）问题的最优解.证明： 由定理2.2知，对于（P ）问题的任意一个可行解x ，必有 cx ≤b y *但*cx =b y *，故对（P ）问题的所有可行，有 cx ≤*cx 由定义知，*x 为（P ）问题的最优解.同理可证，*y 是（D ）问题的最优解. 证毕. 推论2.2 在一对对偶问题中，如果其中一个问题可行，但目标函数无界，则为另一个问题不可行.证明： 用反证法.设（P ）问题可行，但目标函数无界，而（D ）问题可行，即存在可行解0y ，则由定理2知对（P ）问题的任一可行解x 有 cx ≤b y 0即 （P ）问题的目标函数有上界，与条件矛盾. 证毕. 注意推论2.2的逆命题不一定成立，当（P ）问题（（D ）问题）无可行解时，其（D ）问题（（P ）问题）或具有无界解或无可行解.推论2.3 如果一对对偶问题都有可行解，则它们都有最优解.证明： 设0x 、0y 分别是（P ）问题与（D ）问题的可行解，对（P ）问题的任一可行解x ，由定理2.2知，必有cx ≤b y 0，即对于求极大值（P ）问题，目标函数值有上界，故必有最优解，同理，对（D ）问题的任一可行解y 有0cx ≤yb ，即对于求极小值的（D ）问题，目标函数值有下界，故必有最优解. 证毕.定理2.3（对偶定理） 如果（P ）问题（（D ）问题）有最优解，那么（D ）问题（（P ）问题）也有最优解，且目标函数值相等.证明： 先证明当（P ）问题有最优解时，（D ）问题也有最优解.设 *x 是（P ）问题的最优解，它对应的基矩阵为B ，引入松弛变量T m n n n s x x x x ),,,(21+++= ，将（P ）问题化为标准形式s ox cx z +=max s.t. b Ix Ax s =+ s x x ,≥0显然，该问题也有最优解 ⎪⎪⎭⎫ ⎝⎛=***s x x x由第一章定理1.7（最优性判别定理）必有检验数 ),(),,(1I A B c o c B -=σ≤0 令1*-=B c y B ，则有),(**y A y c --≤0， 即 A y *≥c *y ≥0.这表明1*-=B c y B 是（D ）问题的可行解，对应的目标函数值为： b B c b y w B 1**-==又因为*x 是（P ）问题的最优解，其目标函数的值为 b B c cx z B 1**-== 所以有 b y b B c cx B *1*==-.则由推论2.1知（D ）问题有最优解，且两者的目标函数的最优值相等.同理可证，当（D ）问题有最优解时，（P ）问题也有最优解且目标函数相等. 证毕. 推论2.4（单纯形乘子定理） 如果（P ）问题有最优解，最优基为B ，则1*-=B c y B 就是（D ）问题的一个最优解.证明： 由定理2.3的证明过程，已得到此推论的结论.推论 2.5 对于对称形式的（P ）问题，如果有最优解，则在其最优单纯形表中，松弛变量m n n n x x x +++,,,21 的检验数),,,(21m n n n +++σσσ 的负值即为（D ）问题的一个最优解.证明： 当（P ）问题取得最优解时，有),,,(),,,(),,,(2112121m n n n B m n n n m n n n P P P B c c c c +++-++++++-= σσσ 已知 021====+++m n n n c c c ，I P P P m n n n =+++),,,(21如果记 ),,,(**2*11*m B y y y B c y ==-则 **21)0,,0,0(),,,(y I y m n n n -=-=+++ σσσ 式 ),,,(21*m n n n y +++---=σσσ由推论2.4可知，*y 是（D ）问题的一个最优解. 证毕.在矩阵形式的最优单纯形表上更能清楚地得到推论2.5的结论.设松弛变量为初始可行基对应的基变量，B 为最优基，表2-2表示（P ）问题的初始单纯形表，表2-3表示（P ）问题的最优单纯形表.在表2-3中，还可以看到在约束方程的系数矩阵中，松弛变量对应的m ×m 子矩阵中，记录了最优基矩阵B 的逆矩阵1-B ，它在灵敏度分析中是很有用的.综上所述，（P ）问题与（D ）问题的解之间只有以下三种可能的关系：（1）两个问题都有可行解，从而都有最优解，分别设为**,y x ，则必有****w b y cx z ===； （2）一个问题为无界解，另一个问题必无可行解； （3）两个问题都无可行解.定理2.4（互补松弛定理） 设*x 和*y 分别是（P ）问题和（D ）问题的可行解，则它们分别是（P ）、（D ）问题的最优解的充要条件是：0)(**=-Ax b y ；0)(**=-x c A y 同时成立.证明： 必要性 设*x 、*y 分别是（P ）问题和（D ）问题的最优解. 则 *Ax ≤b ，*x ≥0； A y *≥c ， *y ≥0；b y cx **=， 所以由 *cx ≤**Ax y ≤b y *推出*cx =**Ax y =b y *，于是 0)(**=-Ax b y ，0)(**=-x c A y 充分性 由0)(**=-Ax b y ，0)(**=-x c A y 得 *cx =**Ax y =b y *又*x 、*y 分别是（P ）问题和（D ）问题的可行解，所以*x 、*y 分别是（P ）问题和（D ）问题的最优解. 证毕.因为，*y ≥0，*Ax ≤b ，由0)(**=-Ax b y ，有 0)(1*=-∑=nj jiji ix a b y ，i = 1,2,…, m由*x ≥0，A y *≥c ，0)(**=-x c A y ，有 0)(1=-∑=j mi j i ijx c y a，j = 1,2,…, n即一个规划的某个约束成立严格不等式（约束条件为松），对应的对偶规划中变量取0（变量是紧），当某个变量不为0时（变量是松），对应的对偶规划中约束成立等式（约束条件是紧）.二、对偶规划的求解对偶规划作为一个线性规划，自然可以用前面介绍的单纯形法求解. 但是，由本节关于对偶规划的若干定理的讨论，可以看到原问题及其对偶问题之间有着紧密的联系，那么，能否通过求解原问题找出对偶问题的解，或者相反，在此介绍两种求对偶最优解的方法.1、利用原问题的最优单纯形表求对偶最优解的方法由推论2.4已得到1*-=B c y B 是（D ）问题的一个最优解，又由推论2.5在对称形式的（P ）问题，如果有最优解，则在其最优单纯形表中，松弛变量m n n n x x x +++,,,21 的检验数),,,(21m n n n +++σσσ 的负值即为（D ）问题的一个最优解，见表2-3，所以，对对称形式的对偶问题，当用单纯形法求得（P ）问题的最优解的同时，得到了（D ）问题的最优解.例2.4 求如下LP 问题321734max x x x z ++= s.t. 32122x x x ++≤100 32133x x x ++≤100 321,,x x x ≥0 的对偶问题的最优解.解: 对偶问题为 21100100min y y w += s.t. 213y y +≥4 212y y +≥3 2132y y +≥721,y y ≥0对原问题引入松弛变量54,x x ，将原问题化为标准形式，由单纯形法求解得最优单纯形表（表2-4）.则原问题的最优解为： Tx )25,25,0(*= 其相应的目标函数最优值 250*=z由推论2.5，在表2-4中可得，对偶问题的最优解为：)2,21(*=y 其相应的目标函数最优值 250*=w .如果（P ）问题为： cx z =max s.t. b Ax = x ≥0此时矩阵A 中没有现成的单位矩阵I ，但可以通过引进人工变量，使之出现单位矩阵，再用大M 法或两阶段法求解（结果保留所有人工变量位置），那么，这时如何从最优单纯形表中，求得对偶规划的解？设 I 为初始可行基，对应的基变量I x 在目标函数中的系数向量为I c ，B 为最优基，参考 表2-3,在最优单纯形表中,I x 对应的检验数为1--=B c c B I I σ,因此1*-=-=B c c y B I I σ.例2.5 （第一章例1.10）已知（P ）问题 3213max x x x z --= s.t. 3212x x x +-≤11 32124x x x ++-≥3 1231=+-x x 321,,x x x ≥0 试求其（D ）问题的最优解.解：该问题的（D ）问题为321311min y y y w ++=s.t. 32124y y y --≥3 212y y +-≥-1 3212y y y ++≥-11y ≥0，2y ≤0，3y 无符号限制对（P ）问题，在第一章例1.10中，引进松弛变量54,x x ，人工变量76,x x ，用大M 法已解得（见表1.9）T x )9,1,4(*=，2*=z .在表1-9 Ⅳ 的检验数行中，可以看到初始基变量764,,x x x 对应的检验数为 314-=σ，M -=316σ，M -=327σ， 而764,,x x x 在原问题的目标函数中相应的系数分别为0,-M ,-M ，故（D ）问题的最优解为：31)31(004*1=--=-=σy ； 31)31(6*2-=---=--=M M M y σ；32)32(7*3-=---=--=M M M y σ，即对偶问题的最优解为：)32,31,31(*--=y其相应的目标函数最优值 2*=w .2、利用互补松弛定理求对偶最优解. 通过例子来介绍此方法. 例2.6 已知（P ）问题2134max x x z += s.t. 212x x +≤2 212x x -≤3 2132x x +≤5 21x x +≤2 213x x +≤3 21,x x ≥0 试求其（D ）问题的最优解.解：该问题的（D ）问题为5432132532min y y y y y w ++++= s.t. 5432132y y y y y ++++≥4 54321322y y y y y +++-≥3 54321,,,,y y y y y ≥0由于（P ）问题只含两个决策变量，故可用图解法求解，得最优解为：)53,54(*=x其相应的目标函数最优值 5*=z .将*x 代入约束条件，知第2、3、4个约束条件成立严格不等式，由互补松弛定理，对偶规划最优解中相应的变量有 0*4*3*2===y y y ，又因为*2*1,x x 不为0，在对偶规划中对应的约束条件为紧，因此，得到43*5*1=+y y ，32*5*1=+y y ，解得1*5*1==y y ，故（D ）问题的最优解为：)1,0,0,0,1(*=y 其相应的目标函数最优值 5*=w .注意：从前面的讨论可知，原问题与对偶问题是对称的，即互为对偶问题. 求解一个有m 个约束条件n 个变量的LP 问题，可以转化为求解一个有n 个约束条件m 个变量的对偶问题. 因此在求解一个LP 问题时，往往需要先考虑一下，究竟是解它的原问题还是解它的对偶问题比较省事，一般来说，求解一个LP 问题的计算量，是同这个问题所包含约束条件的个数有密切关系的，如果约束条件的个数愈多，则基可行解中基变量的个数也随之增多，相应地迭代变换的计算量也愈大，根据经验，单纯形法的迭代次数大约是约束条件个数的1～1.5倍，因此，当m < n 时，用原问题求解较好；当m > n 时，则用其对偶问题求解较好. 但当m=2时，对偶问题可用图解法求解，可简化求解过程.例2.7 求解LP 问题4321342min x x x x z --+= s.t. 432122x x x x ++-≤2 43212x x x x +-+≥0 21,x x ≥0，43,x x ≤0 解： 对偶规划为2132max y y w += s.t. 21y y +≤2 212y y +-≤4 212y y -≥-3 212y y +≥-1 1y ≤0，2y ≥0 用图解法解之，得：)2,0(*=y ，6*=w .将*y 代入约束条件，第3、4个条件成立严格不等式，所以，0*4*3==x x ，又因为*2y ＞0，所以原规划第二个约束条件为等式约束，即：⎩⎨⎧=+≤-322*2*1*2*1x x x x 此时，原规划最优解不唯一，由上述不等式组得：23*2≤x ， 31*2≥x 所以，原规划有两个最优基可行解.T x )0,0,31,37(*=, )0,0,23,0('*=x原规划的最优解为：')1(**x x λ-+λ，其中0≤λ≤1，相应的目标函数最优值 6*=z .§3 对偶问题的经济解释——影子价格一、影子价格的概念 考虑一对对称的对偶问题. cx z =max yb w =min （P ） s.t. Ax ≤ b （D ） s.t. yA ≥ cx ≥ 0y ≥ 0从上节对偶问题的基本性质可知，当（P ）问题求得最优解*x 时，其（D ）问题也得到最优解*y ，且有*11***w yb xc z nj mi ii j j ===∑∑== （2.13）i b 代表第i 种资源的拥有量；对偶变量*i y 的意义代表在资源最优利用条件下对单位第i 种资源的估价.这种估价不是资源的市场价格，而是根据资源在生产中作出的贡献而作的估价，称之为影子价格.资源的市场价格是已知数，相对比较稳定，而它的影子价格则有赖于资源的利用情况，是未知数.由于企业生产任务、产品结构等情况发生变化，资源的影子价格也随之改变.不同企业，即使是相同的资源，其影子价格也不一定相同，就是同一个企业，在不同的生产周期，资源的影子价格也不完全一样.在（2.13）式中对z 求i b 的偏导数，得**iy b z =∂∂，这说明*i y 的值相当于在资源得到最优利用的生产条件下，i b z 的增量，所以，影子价格是一种边际价格例2.8 用线性规划来确定最优的产量方案.三种资源的单位消耗及资源的现有数量如表用单纯形法解这个LP 表（表2-6）.这说明最优生产方案为甲产品生产35件，乙产品生产10件，总产值达到最大为215.由上节讨论，在最优单纯形表中，不难得到对偶解，即影子价格：资源A 的影子价格01=y ；资源B 的影子价格12=y ；资源C 的影子价格33=y .资源A 的影子价格为零，说明增加这种资源不会增加总的产值，如在表2-6的初始表中的90改为91，则最优单纯形表为表2-7Ⅰ，这说明资源A 的增加不改变产品生产方案，也不增加总的产值.如果资源C 增加一个单位从45改为46，最优单纯形表为表2-7（Ⅱ）.这说明增加一个单位的资源C 以后， 最优生产方案为甲产品生产34件，乙产 品生产12件，总产值由原来215件增加 到218，增加了3个单位，即为该资源 的影子价格格或边际价格.由上节，对偶问题的互补松弛定理中有∑=<nj i jij b xa 1*时，0*=i y ；当0*>i y 时，有∑==nj i jij b xa 1*，这表明生产过程中，如果某种资源i b 未得到充分利用时，该种资源的影子价格为零；又当资源的影子价格不为零时，表明该种资源在生产中已耗费完毕.二、影子价格在经营管理中的应用影子价格在经营管理中的用处很多，可提供以下几个方面的信息.1、影子价格说明增加哪一种资源对增加经济效益最有利.如例2.8中的三种资源的影子价格为（0,1,3），说明首先应考虑增加资源C ，因为相比之下它能给收益带来的增加最大.2、影子价格又是一种机会成本. 企业经营决策者可以把本企业资源的影子价格与当时的市场价格进行比较，当年i 种资源的影子价格高于市场价格时，则企业可以买进该种资源；而当某种资源的影子价格低于市场价格时（特别是当影子价格为零时），则企业可以卖出该种资源，以获得较大的利润.3、企业在新产品投产之前，可利用影子价格，通过分析新产品使用资源的经济效果，以决定新产品是否应该投产.如在例2.8中，企业要生产一新产品，单件消耗三种资源的数量是（2,3,2）单位，则新产品的定价一定要大于9232)310(=⎪⎪⎪⎭⎫⎝⎛，才能增加公司的收益，如果售价低于9的话，生产是不合算的.4、利用影子价格分析现有产品价格变动时资源紧缺情况的影响，如在例2.8中，产品的售价不是（5,4），而是（5,5），则从最优单纯形表中，可计算出影子价格)500(210110521)550(=⎪⎪⎪⎭⎫⎝⎛---这说明如果产品乙的价格增加的话，资源C 将变得更紧俏了.5、利用影子价格可以帮助分析工艺改变后对资源节约的收益. 如在例2.8中，工艺过程改进后，使资源C 能节约2%，则带来的经济收益将是3×45×2%=2.7.值得指出的是，以上的分析都是在最优基不变的条件下进行的，如果最优基有变化，则应结合§5灵敏度分析的方法进行分析.正是由于影子价格在经济管理中对收益能提供大量的信息，所以对偶理论中的影子价格概念正日益受到管理人员的重视.影子价格虽然被定义为一种价格，但是还应对它有更为广义的理解，影子价格是针对约束条件而言的，并不是所有的约束条件都代表了资源的约束，如在例2.8中，还可以列入一个产量约束：两种产品的数量不超过市场上的需要量，这样的约束也有个影子价格，如果这个影子价格算出来比前面几种影子价格更大，则应理解为扩大销售量能比增加资源带来更大的经济效益.§4 对偶单纯形法一、对偶单纯形法的基本思路对偶单纯形法是根据对偶原理和单纯形法的原理而设计出来求解线性规划问题的一种方法（而不能简单的将它理解为是求解对偶问题的方法），前面介绍的单纯形法可称为原始单纯形法.从理论上说原始单纯形法，可以解决一切线性规划问题，但正因为它适用范围广泛，必有不足之处，如它对于某些特殊问题，虽然也可解决，但计算量较大.例如线性规划问题cx z =max 化为标准形式 cx z -='max s.t. Ax ≥b s.t. b x Ax s =- x ≥0 s x x ,≥0在约束方程中出现了一个负单位矩阵，若将剩余变量s x 取作初始基变量，则初始基m m n n n I P P P B -==+++),,,(210 ，初始解b b I b B x m B -=-==-10)(0≤0不满足可行性.因此不能将m I -取作初始基，为了求得初始基本可行解，在第一章§6中已讲述，需在约束方程左边增加一组人工变量，通过大M 法或两阶段法进行计算，这就显得很不方便，且（m I -）也没能利用上.考察一般的标准形式的线性规划问题及其对偶问题：cx z =max yb w =min （P ） s.t. Ax=b （D ） s.t. yA ≥c x ≥0 y 无符号限制 设B 为原问题（P ）的一个基，不妨设 ),,,(21m P P P B = 则 ⎪⎪⎭⎫⎝⎛=⎪⎪⎭⎫ ⎝⎛=-01)0(b B x x xN B （2.14）为原问题（P ）的一个基本解；且当b B x B 1-=≥0 （2.15） 时，则)0(x 为一个基可行解，B 为可行基；进一步若检验数满足A B c c B 1--=σ≤0 （2.16） 则)0(x为原问题（P ）的一个最优解，这时B 称为最优基.以上概念都是对原问题（P ）而言的，因此，我们更将条件（2.15）称为原始可行性条件；条件（2.16）称为原始最优性条件.原始单纯形法的基本思路是：从满足原始可行性条件（2.15）的一个基可行解出发，经过换基运算迭代到另一个基可行解，即总是保持解的可行性不变（满足条件（2.15）），变化的只是检验数向量σ，它从不满足σ≤0，逐步迭代到σ≤0成立，一旦达到σ≤0，也就得到了原问题的最优解.再从对偶的观点来解释这个问题，令1-=B c y B 代入式（2.16）得yA ≥c （2.17）即y 是对偶问题（D ）的一个可行解.条件（2.17）称为对偶可行性条件，即原始最优性条件（2.16）与对偶可行性条件（2.17）是等价的，因此，如果一个原始可行基B 是原问题（P ）的最优基，则1-=B c y B 就是对偶问题（D ）的一个可行解，此时对应的目标函数值1-==B c yb w B ，等于原问题（P ）的目标函数值，可知1-=B c y B 也是对偶问题（D ）的最优解.定义2.2 若原问题（P ）的一个基本解⎪⎪⎭⎫⎝⎛=-01b B x 对应的检验数向量满足条件（2.16）， 即）（N B c c B N N B 1,0),(--==σσσ≤0 则称x 为（P ）的一个正则解.于是可知，原问题（P ）的正则解x 与对偶问题（D ）的可行解y 是一一对应的，它们由同一个基B 所决定，我们称这一基为正则基.因此，我们可以设想另一条求解思路，即在迭代过程中，始终保持对偶问题解的可行性，而原问题的解由不可行逐渐向可行性转化，一旦原问题的解也满足了可行性条件，也就达到了最优解.也即在保持正则解的正则性不变条件下，在迭代过程中，使原问题解的不可行性逐步消失，一旦迭代到可行解时，即达到了最优解.这正是对偶单纯形法的思路，这个方法并不需要把原问题化为对偶问题，利用原问题与对偶问题的数据相同（只是所处位置不同）这一特点，直接在反映原问题的单纯形表上进行运算.二、对偶单纯形法的计算步骤 求解如下标准形式线性规划问题： cx z =max s.t. Ax = b x ≥0 对偶单纯形法的计算步骤：（1）找一个正则基B 和初始正则解)0(x；将原问题化为关于基B （不妨设),,,(21m P P P B =）的典式，列初始对偶单纯形表，见表2-8.（2）若b B b 1'-=≥0，则停止计算，当前的正则解b B x 1-=，即为原问题的最优解；否则转下一步.（3）确定离（换出）基变量：令 {}m i b b i r ≤≤=1|'min '，（显然0'<r b ） 则取相应的变量，r x 为离（换出）基变量.（4）若rj a '≥0，（j = 1,2,…, n ），则停止计算，原问题无可行解.否则转下一步.（5）确定进（换入）基变量；若rkk rj rjja n j a a '1,0'|'min σσθ=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧≤≤<=，则取相应的变量k x 为进（换入）基变量.（6）以rk a '为主元进行换基运算，得到新的正则解，转（2）. 例2.9 用对偶单纯形法求解32111515min x x x z ++= s.t. 321223x x x ++≥532125x x x ++≥4321,,x x x ≥0解：先将问题化为32111515'max x x x z ---= s.t. 52234321-=+---x x x x 4255321-=+---x x x x j x ≥0 （j = 1～5） 其中54,x x 为松弛变量，取初始正则基254),(I P P B ==则问题已化为关于基B 的典式，初始正则解为：T x )4,5,0,0,0()0(--= 及目标函数值0)0(=z.列对偶单纯形表并进行迭代见表2-9，由表2-9（Ⅰ）可知，因为 {}54,5min -=- 故应取4x 为换出基变量，又因为5.2211,25,315min =⎭⎬⎫⎩⎨⎧------=θ 故应取2x 为换入基变量，以212-=a 为主元作换基运算，得表2-9（Ⅱ），又由该表可知.因为 2323,25min -=⎭⎬⎫⎩⎨⎧- 故应取5x 为换出基变量，又因为7152125,16,22215min =⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧------=θ故应取1x 为换入基变量，以27'21-=a 为主元作换基运算，得表2-9(Ⅲ)，至此，基变量的取值已全部非负，检验已全部非正，故已求得最优解T x )0,0,0,713,73(*=及相应的目标函数最优值7110'*-=z ，原问题的目标函数最优值7110*=z . 由表2-9(Ⅲ)还可以看出，其对偶问题的最优解为)715,710(*=y及目标函数最优值7110*=w .例2.10 用对偶单纯形法求解321642min x x x z ++=s.t. 3212x x x +-≥1032122x x x ++≤ 322x x -≥ j x ≥0，（j = 1,2,3）.解：先将问题化为:321642'max x x x z ---= s.t. 1024321-=+-+-x x x x 12225321=+++x x x x42632-=++-x x x j x ≥0，j = 1,2,…,6其中654,,x x x 正则基3654),,(I P P P B == 则问题已代为关于基B 始正则解为：T x )4,12,10,0,0,0()0(--=及标函数值0')0(=z .用对偶单纯形法求解、迭代过程如表2-10.由表2-10（Ⅲ）可知，基变量的取值已全部非负，检验数已全部非正，故已求得最优解:T x )0,2,0,0,2,6(*=及原问题目标函数最优值20*=z .从以上求解过程可以看到，对偶单纯形法有以下优点：（1）初始解可以是非可行解，当检验数都为负数时，就可以进行基的变换，这时不需要加入人工变量，因此，可以简化计算；（2）当变量多于约束条件，对这样的线性规划问题，用对偶单纯形法计算可以减少计算工作量，因此，对变量较少，而约束条件很多的线性规划问题，可先将它变换成对偶问题，然后用对偶单纯形法求解；（3）在灵敏度分析中，有时需要用对偶单纯形法，这样可以使问题的处理简便.对偶单纯形法要求初始解满足正则性（对偶可行性），而对大多数线性规划问题，这个条件得不到满足，这时，需通过引入人工约束构造一个扩充问题（有兴趣的读者可查阅有关书籍），但这样可能使问题求解变繁，这是对偶单纯形法的局限性.后面介绍的交替单纯形法是对此的一个弥补.对偶单纯形法与原始单纯形法的计算步骤类似，但又有所不同，其内在的对应关系可归结为表2-11之中.三、交替单纯形法 例2.11 求解如下LP 问题2163max x x z += s.t. 212x x +≥6 213x x + ≥9 2157x x +≤35 21,x x ≥0 解：引进松弛变量543,,x x x ，得2163max x x z +=s.t. 62321-=+--x x x 93421-=+--x x x 3557521=++x x x j x ≥0，j = 1,2,…,5 初始基本解：T x )35,9,6,0,0()0(--=此解既非原始可行，又非对偶可行.建立表2-12（Ⅰ），第一次用单纯形法迭代，第二次用对偶单纯形法迭代，得最优解：T x )0,0,423,421,45(*=及相应的目标函数最优值：。
通信网规划理论PPT课件
第17页/共34页
网络规划问题的例子
例1.2 通信网规划中通信线路的连接问题
某一地区有若干个主要城市，现准备修建信 息高速公路把这些城市连接起来， 使得从其 中任何一个城市都可以经信息高速公路直接 或间接到达另一个城市. 假定已经知道了任意 两个城市之间修建信息高速公路的成本，那 么应如何决定在哪些城市间修建信息高速公 路，使得总成本最小？
•弧 •边 • 关联边
• 相邻(adjacent)节点
• 链(link)
• 圈(loop)
26
相邻边
第26页/共34页
无向图与有向图
• 有向图中，由节点指向外的弧的数目称为正次数，记为 d+，指向该节点的 弧的数目称为负次数，记为 d–
• 次数为 0 的点称为孤立点(isolated vertex) ，次数为 1 的点称为悬挂点 (pendant vertex)
简介
7
第7页/共34页
1.1 网 络 规 划 简 介
——网络规划与图
• 网络：数学模型、数学结构 ---- 图
方法之一：研究与（赋权）图有关的最优化问题
从若干可能的安排或方案中寻求某种意义下的最优安排或方案，数学上 把这种问题称为（最）优化 (Optimization) 问题
• 运筹学（Operations Research）
9
第9页/共34页
电信网管理问题是一个系统工程问题
任何一个通信管理措施的 实施，都会引起整个电信网 络流量的重新分布！
10
第10页/共34页
改为单向通行
第11页/共34页
引起的流量变化
第12页/共34页
引起的速度变化
第13页/共34页
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
例1(1/2)
考虑一个MCF问题的实例。基矩阵如图红线所示； 流量需求矢量b和边代价矢量c如图所示。
该问题求的是什么？
其它点到节点4的最短路。
流变量取值是多少？
1
3
2
4
RC是多少？
显然，这是一个不可行解， 但满足最优条件。可以用 对偶单纯形法求解。
2013年春季 通信网络理论基础
45 / 70
例1(2/2)
35 / 70
2013年春季 通信网络理论基础
最佳路由的对偶(2/4)
36 / 70
2013年春季 通信网络理论基础
最佳路由的对偶(3/4)
对偶目标 由于z为自由变量， 该项系数必须等于0. 该项系数必须大于等于0.
37 / 70
2013年春季 通信网络理论基础
最佳路由的对偶(4/4)
38 / 70
43 / 70
2013年春季 通信网络理论基础
换基方法
假定已经得到了一个基本解及其基矩阵。
由于是基本解，因此等式约束是肯定满足的。不可行 意味着必有某些基变量的取值小于0。
对偶单纯形法的换基方法是：
选择进基变量时，要保证RC大于等于0 。 注意对比主单纯形法。
2013年春季 通信网络理论基础
44 / 70
已知当前基本解为：
1 3
对偶单纯形法说， 先确定出基变量。 看谁能保持RC非负。
2
4
谁入基？
换基后，x=？
46 / 70
已是可行解， 搞定！
2013年春季 通信网络理论基础
对偶单纯形法的应用
对偶单纯形法要求初始解对偶可行（主最佳）。因此同样 需要一个类似大M法那样的确定初始解的方法。 跟直接用单纯形法求解主问题有何区别？ 若从头开始求解，那确实没有区别。 应用场景：求解多个关系密切的LP问题。 只是右端矢量b 发生了变化 只是增加了 不等式约束
Ring a bell？
Yes, it’s Bellman-Ford algorithm! 事实上，上述方程成为Bellman方程。
绳球模型：先将s上的绳子拉直，然后将s邻接点的绳子 拉直；一直进行下去，直至所有点i到s的绳子都被拉直。
29 / 70
2013年春季 通信网络理论基础
对偶的用途：设计新算法
互补松弛定理(1/2)
定理：complementary slackness
证明：
22 / 70
2013年春季 通信网络理论基础
互补松弛定理(2/2)
证明：
弱对偶定理， 记得吗？
充要条件得证。
23 / 70
2013年春季 通信网络理论基础
关于对偶的第五个印象
主问题与对偶问题不仅求解过程是一致的（求解前者 的同时也求解了后者），而且求出的解具有密切关系： 若主最佳解非零，则对应的对偶约束必取等号。
18 / 70
2013年春季 通信网络理论基础
强对偶定理(1/2)
主 问 题 对 偶 问 题
假定用单纯形法求解主问题，得到最佳解x和最佳基B，则： Reduced Cost，还记得吗？
p为对偶可行解。
由弱对偶定理的推论2可知，p是对偶最佳解。
19 / 70
2013年春季 通信网络理论基础
强对偶定理(2/2)
主问题 约束 minimize maximize 对偶问题 变量
变量
约束
任给一个LP问题，都可按照上述规则写出其对偶问题。 真正需要记住的是“惩罚”以及拉格朗日函数的概念， 而不是这些规则。
11 / 70
2013年春季 通信网络理论基础
另一个例子(/4)
应用“惩罚”的概念推导下面最大化问题的对偶问题。
12 / 70
2013年春季 通信网络理论基础
另一个例子(2/4)
应用“惩罚”的概念推导下面最大化问题的对偶问题。
对偶约束和主变量 符号相反。
13 / 70
2013年春季 通信网络理论基础
另一个例子(3/4)
对偶约束与对应的主变量“符号相反”，其最大值为0。
14 / 70
2013年春季 通信网络理论基础
最佳路由问题的对偶提供了全新的Insight： 根据优化目标建模OR问题。
求解OR问题得到的对偶变量取值，就是最佳权重。
需要注意的是：即使得到了最佳权重，沿着最短路 安排流量也不完全等价于原最佳解（因为没有分流 比例信息），应该看作是对原最佳解的近似。
40 / 70
2013年春季 通信网络理论基础
对偶的用途：Insight
2013年春季 通信网络理论基础
最佳路由=最短路！
s a
b
t
只考虑特定的需求k。其流变量取值大于0的边构成一些
路径。如右图所示。
只看其中的一条路径（例如sabt）。
其他路径呢（例如sbt）？
最佳解在最短路上！
39 / 70
2013年春季 通信网络理论基础
权重设置
我们知道，Internet的路由协议是基于最短路的。 控制路由的唯一方法是设置不同的权重。 怎样的权重设置才是最佳的？
8 / 70
2013年春季 通信网络理论基础
例子：一般的LP(3/4)
由于对偶约束与对应的主变量“同符号”，其最小值为0。
9 / 70
2013年春季 通信网络理论基础
例子：一般的LP(4/4)
总结上述推导，可得：
主 问 题
对 偶 问 题
10 / 70
2013年春季 通信网络理论基础
关于对偶的第二个印象
2013年春季 通信网络理论基础
对偶的用途：发现新关系
将问题建模为LP模型，进行对偶变换，往往可以发现 新的物理意义，在不同的物理概念之间建立新的联系。 最大流与最小割之间的关系就是这样建立的。
34 / 70
2013年春季 通信网络理论基础
最佳路由的对偶(1/4)
需要2套对偶变量：p（流守恒约束）和q（容量约束）。
6 / 70
2013年春季 通信网络理论基础
例子：一般的LP(1/4)
除了符号约束之外，每个 约束都引入一个惩罚因子， 并松弛到目标函数中。
在该松弛问题中，为了体现“惩罚”的含义，必有：
7 / 70
2013年春季 通信网络理论基础
例子：一般的LP(2/4)
每个主变量都对应一个“对偶约束”。 为了保证最小化Lagrange函数有意义，必有：
最佳路由问题与最短路问题表面上看有很大不同，但 上述结论表明，它们具有深层次的联系。对偶为我们 提供了得到这种“Insight”的一种可能的手段。
41 / 70
2013年春季 通信网络理论基础
对偶与整数规划
1 2 3 对偶理论 对偶问题示例 对偶单纯形算法简介 整数规划的求解方法 小结
4
5
42 / 70
原问题的最佳基在新问题中一定能保证对偶可行。
该解不仅满足最优条件，而且是可行的。 该解就是新问题的最佳解。 该解不可行，但满足最优条件（对偶可行）。 从该解出发，应用对偶单纯形法进行换基操作， 直至到达某个可行解为止。
最短路的对偶(2/2)
27 / 70
2013年春季 通信网络理论基础
绳球模型
怎样理解最大化距离标记？
绳球模型。 想象随意放在桌上的一堆 绳和球。 球顶点；绳边。 绳的长度=边的权重。
最优条件：RC非负。
一手拿s，一手拿i，拉伸到 不能再拉为止。
28 / 70
2013年春季 通信网络理论基础
Bellman-Ford算法
另一个例子(4/4)
总结上述推导，可得：
主 问 题
对 偶 问 题
有人看出这个例子与上一个例子的关系了吗？ 该例中，主问题是上例中的对偶问题。 该例中，对偶问题是上例中的主问题。
15 / 70
2013年春季 通信网络理论基础
关于对偶的第三个印象
对偶问题的对偶，是主问题。 主问题可以推出其对偶问题。 对偶问题也可以推出其对应的主问题。 主问题与对偶问题是一一对应的。
最大流的对偶(2/3)
对偶目标
必须等于0
必须小于等于0
32 / 70
2013年春季 通信网络理论基础
最大流的对偶(3/3)
设置对偶变量取值如下：
是对偶可行解吗？ 是的。
对偶目标函数的含义？ 割容量。
由强对偶定理可知，若最大流存在最佳解，则最小割问题 也存在最佳解。而且最大流等于最小割。
33 / 70
对偶问题可以看作是主问题的最佳估值问题，那么， 这种估值准确吗？ 让我们来讨论对偶理论中最深刻的结论：对偶定理。
16 / 70
2013年春季 通信网络理论基础
弱对偶定理
主 问 题 推导对偶问题的过程中，我们知道： 对拉格朗日函数求最小值(松弛问题)得到的一定是主问题 目标函数值的下界； 对偶问题的目标函数就是松弛问题的目标函数。 故有： 定理：weak duality theorem 对 偶 问 题
17 / 70
2013年春季 通信网络理论基础
两个推论
推论1：
推论2： Let x and p be feasible solutions to the primal and the dual, respectively, and suppose that pb=cx. Then, x and p are optimal solutions to the primal and the dual, respectively.
主 问 题 任一LP问题都可以转化为标准型。 若标准型主问题存在最佳解，则单纯形法一定可以求出。 求出了主最佳解，则对偶最佳解也被求出了。 对 偶 问 题
因此，有：
定理：strong duality theorem If a linear programming problem has an optimal solution, so does its dual, and the respective optimal costs are equal.