运筹学-对偶单纯形法
运筹学-单纯形法灵敏度对偶
若新增约束如下：
max z 50x1 100x2 x1 x2 300 2x1 x2 400 x2 250 10x1 30x2 5000(电力约束) x1, x2 , 0
x1 x2 s1
把最优解x1=50,x2 =250代入电力约束 1050+30 250=80005000 新约束不满足,最优解变化
例题：已知某线性规划初始可行基是（S1 S2 S3 a1）， 最终单纯形表如下，求对偶价格不变时的△bi变化范围
x1 x2 s1
50 100 0
X1 50
1
0
0
S3 0
0
0
0
X2 100 0
1
0
s1 0
0
0
1
Zj
50 100 0
δj
0
0
0
（1） △b1的变化范围： ?
（2） △b2的变化范围：?
（3） △b3的变化范围： ? （4） △b4的变化范围：?
1 0 1 2 0.5
B1 p6'
2
1
1
0.5
2
0 0 1 1.5 1.5
Z6' 50 0.5 0 (2) 100 1.5 175
' 6
C6
Z6'
150 175
25
δ6´<0，最优解不变，即仍生产Ⅰ50件，Ⅱ100件。
2、变量xk系数列由pk变为pk´，在最终单纯形表 上xk是基变量
x1 x2 s1
50 100 0
X1 50 1
0
0
S3 0
0
0
0
X2 100 0
1
0
s1 0
0
运筹学 对偶单纯形法
=min{j’ / akj’┃akj’<0}=r’/akr’那么 xr为进基变量,转4； 4.以akr’为转轴元,作矩阵行变换使其变为1,该
列其他元变为0,转2。
2.对偶单纯形法
例3.2：求解线性规划问题：
1.线性规划对偶问题
对称形式： (P) Max z = cT x s.t. Ax ≤ b x ≥0 “Max -- ≤ ”
互为对偶 (D) Min f = bT y s.t. AT y ≥ c y ≥0 “Min-- ≥”
线性规划的对偶模型
原问题（或对偶问题） 约束条件右端项 目标函数变量的系数 目标函数 max 约 束 条 件 m个 ≤ ≥ = n个 变 量 ≥0 ≤0 无约束 对偶问题（或原问题） 目标函数变量的系数 约束条件右端项 目标函数 min m个 ≥0 ≤0 无约束 n个 ≥ ≤ = 约 束 条 件 变 量
否
所有aik
计算
0
否
是
Hale Waihona Puke 0 bi be min aik 0 aik aek
计算
j min aej 0 k < aej aek
以为中心元素进行迭代
以为中心元素进行迭代
单纯形法和对偶单纯形法步骤
2.对偶单纯形法 对偶单纯形法的适用范围 对偶单纯形法适合于解如下形式 的线性规划问题
0 x4 0 1 0 0 0 1 0 0 0 1 0 0
0 x5 0 0 1 0 -1 -1 1 -100 -1 1 1 -50
I
θ i 300 400 250 50 75
运筹学及其应用4.3 对偶单纯形法
min w= 2x1+3x2+4x3+0x4+0x5 x1+2x2+ x3-x4＝ 1 2x1- x2+3x3– x5＝4 x1,x2,x3,x4,x5≥ 0
min w= 2x1+3x2+4x3+0x4+0x5 -x1-2x2- x3+x4＝ -1 -2x1+x2-3x3+x5＝ -4 x1,x2,x3,x4,x5≥ 0
4
234 000
0
x1 x2 x3 x4 -1 -2 -1
x4 x5 b 1 0 -1
max
2 −2
4 ，
−3
=
−1
0 x5 -2* 1 -3 0 1 -4
σ 234 000
0 x4 0 -2.5 0.5 1 -0.5 1
2 x1 1 -0.5 1.5 0 -0.5 2
σ 0 4 1 0 1 -4
步骤：(1)保持σj ≥ 0，j= 1,···,n，确定XB，建立计算表格； (2)判别XB = B-1b ≥ 0是否成立？ ①若成立，XB为最优基变量； ②若不成立，转(3)；
1
步骤：(1)保持σj ≥ 0，j= 1,···,n，确定XB，建立计算表格；
(2)判别XB = B-1b ≥ 0是否成立？ ①若成立，XB为最优基变量； ②若不成立，转(3)；
5
• 作业 • P81 1.12(1)
6
§3 对偶单纯形法
单纯形法：由 XB = B-1b ≥ 0，使σj ≥ 0，j = 1,···,m 对偶单纯形法：由σj ≥ 0(j= 1,···,n)，使XB = B-1b ≥ 0 相同点：都用于求解原问题
运筹学(对偶问题及性质)
若初始矩阵中变量 xj的系数向量为Pj, 迭代后为P’j, 则有 P’j=B-1 Pj
2
当B为最优基时，应有
3
令Y=CBB-1, 则
项 目
基变量
非基变量
XB
XN Xs
CB XB B-1b
I
B-1N B-1
cj-zj
0 -Ys1
XB XN
Xs
0 Xs b
B N
I
cj-zj
CB CN
0
项 目
基变量
非基变量
XB
XN Xs
CB XB B-1b
I
B-1N B-1
cj-zj
0
CN-CBB-1N -CBB-1
02
对偶性质
对偶性质
例2.4 已知线性规划 的最优解是X＊=(6,2,0)T,求其对偶问题的最优解Y＊。 解：写出原问题的对偶问题，即 标准化
Y＊=(1,1)，最优值w=26。
解此线性方程组得y1=1,y2=1,从而对偶问题的最优解为：
对偶问题的第一、二个约束的松弛变量等于零，即y3＝0，y4＝0，带入方程中：
在市场竞争的时代，厂长的最佳决策显然应符合两条： 吃亏原则。即机时定价所赚利润不能低于加工甲、乙型产品所获利润。由此原则，便构成了新规划的不等式约束条件。 竞争性原则。即在上述不吃亏原则下，尽量降低机时总收费，以便争取更多用户。
设A、B、C、D设备的机时价分别为y1、y2、y3、y4，则新的线性规划数学模型为：
原问题的松弛变量
x1
x2
x3
x4
x5
x3
15/2
0
0
1
5/4
-15/2
x1
7/2
应用运筹学基础：线性规划（4）-对偶与对偶单纯形法
应⽤运筹学基础：线性规划（4）-对偶与对偶单纯形法这⼀节课讲解了线性规划的对偶问题及其性质。
引⼊对偶问题考虑⼀个线性规划问题：$$\begin{matrix}\max\limits_x & 4x_1 + 3x_2 \\ \text{s.t.} & 2x_1 + 3x_2 \le 24 \\ & 5x_1 + 2x_2 \le 26 \\ & x \ge0\end{matrix}$$ 我们可以把这个问题看作⼀个⽣产模型：⼀份产品 A 可以获利 4 单位价格，⽣产⼀份需要 2 单位原料 C 和 5 单位原料 D；⼀份产品 B 可以获利 3 单位价格，⽣产⼀份需要 3 单位原料 C 和 2 单位原料 D。
现有 24 单位原料 C，26 单位原料 D，问如何分配⽣产⽅式才能让获利最⼤。
但假如现在我们不⽣产产品，⽽是要把原料都卖掉。
设 1 单位原料 C 的价格为 $y_1$，1 单位原料 D 的价格为 $y_2$，每种原料制定怎样的价格才合理呢？⾸先，原料的价格应该不低于产出的产品价格（不然还不如⾃⼰⽣产...），所以我们有如下限制：$$2y_1 + 5y_2 \ge 4 \\ 3y_1 + 2y_2 \ge3$$ 当然也不能漫天要价（也要保护消费者利益嘛- -），所以我们制定如下⽬标函数：$$\min_y \quad 24y_1 + 26y_2$$ 合起来就是下⾯这个线性规划问题：$$\begin{matrix} \min\limits_y & 24y_1 + 26y_2 \\ \text{s.t.} & 2y_1 + 5y_2 \ge 4 \\ & 3y_1 + 2y_2 \ge 3 \\ & y \ge 0\end{matrix}$$ 这个问题就是原问题的对偶问题。
对偶问题对于⼀个线性规划问题（称为原问题，primal，记为 P） $$\begin{matrix} \max\limits_x & c^Tx \\ \text{s.t.} & Ax \le b \\ & x \ge 0\end{matrix}$$ 我们定义它的对偶问题（dual，记为 D）为 $$\begin{matrix} \min\limits_x & b^Ty \\ \text{s.t.} & A^Ty \ge c \\ & y \ge 0\end{matrix}$$ 这⾥的对偶变量 $y$，可以看作是对原问题的每个限制，都⽤⼀个变量来表⽰。
运筹学02对偶理论(2)对偶单纯形法,灵敏度与参数分析
3.3 对偶单纯形法 Dual Simplex Method
Chapter3 对偶理论 Dual Theory
注：当模型的数据发生变化后，不必对线性规划问题
重新求解，而用灵敏度分析方法直接在原线性规划取
得的最优结果的基础上进行分析或求解 . 线性规划的参数分析(Parametric Analysis)是研究和分
析目标函数或约束中含有的参数μ在不同的波动范围内 最优解和最优值的变化情况．这种含有参数的线性规划
3.3 对偶单纯形法 Dual Simplex Method
Chapter3 对偶理论 Dual Theory
X XB σ
b
B-1A B-1b C-CBB－1A －CBB－1b 若上表为最优单纯形表，则下列两个式子同时成立：
(1) B1b 0 (可行性条件，又叫对偶最优性条件)
(2) C CB B 1 A 0 (最优性条件,又叫对偶可行性条件)
4.最优解、无可行解的判断。
作业：教材P81 1.12 (2)
下一节：灵敏度分析与参数分析
3.4 灵敏度与参数分析
Sensitivity and Parametric Analysis
3.4 灵敏度与参数分析 Sensitivity and Parametric Analysis
Chapter3 对偶理论 Dual Theory
3.3 对偶单纯形法 Dual Simplex Method
max z 7 x1 3x 2
对偶单纯形法的计算步骤_实用运筹学：案例、方法及应用_[共3页]
![对偶单纯形法的计算步骤_实用运筹学：案例、方法及应用_[共3页]](https://img.taocdn.com/s3/m/2b3f6b0576a20029bc642d90.png)
41第2章对偶理论与灵敏度分析即y 是对偶问题（D ）的一个可行解。
条件式（2-21）称为对偶可行性条件，即最优性条件式（2-20）与对偶可行性条件式（2-21）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 y c B -就是对偶问题（D ）的一个可行解，此时对应的目标函数值1B w=yb =c B -，等于原问题（P ）的目标函数值，可知1=B y c B -也是对偶问题（D ）的最优解。
若原问题（P ）的一个基本解1=0B b x ⎛⎞⎜⎟⎝⎠-对应的检验数向量满足条件式（2-20），即 =(,)=0,0B N N B σσσc c B N -1（-）≤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。
2.3.2 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：max =z cx s.t.0Ax =bx ⎧⎨⎩≥对偶单纯形法的计算步骤如下：（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12=(,,,)m B P P P ]的典式，列初始对偶单纯形表，如表2-5所示。
表2-5 对偶单纯形表12 1 2 12121c 1x 1'b 1 0 … 0 1+1'm a 1+2'm a … 1'n a 2c 2x 2'b 01 02+1'm a 2+2'm a … 2'n am c m x'm b 0…1 +1'mm a +2'mm a … 'mn a c j -z j0 0 0+1m σ+2m σ…n σ（2）若1=b'B b -≥0，则停止计算，当前的正则解1=x B b -，即为原问题的最优解；否则转下一步。
对偶单纯形法(经典运筹学)
对标准型 maxz CX s.t AXb X 0,b 0
AB,N
CC B CN
X
X X
B N
A P 1P 2 P m P m 1 P n 设 BP 1 P 2 P m是可
于A是 X b
B
N
XB XN
b
BX BNN Xb
B 可逆
XBB1bB1NN X
且ZCB CNXXNB CBXBCNXN
C B (B 1 b B 1 NN )X C N X N
0 1 -1 -1 0
1 0 1/5 4/5 6/5 0 0 -2/5 -3/5 3/5 .
1、确定出基变量：
设br =min{bi | bi <0}
则取br所在行的基变量 为出基变量
即取X4为出基变量
2、确定入基变量： 原则： 保持检验行系数≤0
C B B 1 b (C N C B B 1 N )X N
.
对问题maxz CX
m Z a C B B x 1 b ( C N C B B 1 N ) X N
s.t AX b X 0
XBB1bB1NN X
取可行基
BP1 P2
XB0,XN0
Pm关于可行基B的典则形式
检验数
令XN 0 得 XBB1b0得基本X 可 1行 B1b解 ,0
3x1 x2 x3
3
s.tx41x1 2x32x2
x4 6 x5 3
x1,x2,x3,x4,x5 0
取 B 基 P 3 ,P 4 ,P 5 基X 本 0 ， 0 ， 解 3 ， 6 ， 3
X1 X2 X3 X4 X5 检 -2 -1 0 0 0 Z
不
可
X3 -3 -1 1 0 0 -3