Loading [MathJax]/extensions/TeX/AMSmath.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >【运筹学】线性规划 单纯形法 阶段总结 ( 初始基可行解 | 判定最优解 | 迭代 | 得到最优解 | 全流程详细解析 ) ★

【运筹学】线性规划 单纯形法 阶段总结 ( 初始基可行解 | 判定最优解 | 迭代 | 得到最优解 | 全流程详细解析 ) ★

作者头像
韩曙亮
发布于 2023-03-28 08:24:02
发布于 2023-03-28 08:24:02
2.2K0
举报

文章目录

σj

判定最优解 并选择入基变量

单纯形法 参考博客 :

1 . 查找初始基可行解 :

2 . 最优解判定 :

3 . 迭代原则 :

4 . 单纯形法阶段总结 :

一、线性规划示例


使用单纯形法求解线性规划最优解 :

二、转化标准形式


首先将该线性规划转为标准形式 :

参考 【运筹学】线性规划数学模型标准形式 ( 标准形式 | 目标函数转化 | 决策变量转化 | 约束方程转化 | 固定转化顺序 | 标准形式转化实例 ) 线性规划 普通形式 -> 标准形式 转化顺序说明 博客 , 先处理变量约束 , 再将不等式转为等式 , 最后更新目标函数 ;

① 变量约束 : 首先查看变量约束 , 两个变量都是

的 , 符合线性规划标准形式要求 ;

② 不等式转换 : 两个等式都是 小于等于不等式 , 需要 在不等式左侧加入松弛变量 , 将其转为等式 ;

, 左侧加入松弛变量

, 变为

, 左侧加入松弛变量

, 变为

③ 更新目标函数 :

加入到目标函数中 , 得到新的目标函数

;

此时线性规划标准形式为 :

三、查找初始基可行解


找基矩阵 :

上述线性规划标准形式的系数矩阵为

, 其中子矩阵中有

单位阵

;

使用该单位阵

作为基矩阵 , 单位阵肯定是可逆的 , 其对应的基解 , 解出后的值就是右侧的常数值 , 肯定大于等于

, 是基可行解 ;

列出单纯形表 :

c j c_j cj​

c j c_j cj​

3 3 3

4 4 4

0 0 0

0 0 0

C B C_B CB​ 基变量系数 (目标函数)

基变量

常数 b b b

x 1 x_1 x1​

x 2 x_2 x2​

x 3 x_3 x3​

x 4 x_4 x4​

θ i \theta_i θi​

0 0 0 ( 目标函数 x 3 x_3 x3​ 系数 c 3 c_3 c3​ )

x 3 x_3 x3​

40 40 40

2 2 2

1 1 1

1 1 1

0 0 0

0 0 0 ( 目标函数 x 4 x_4 x4​ 系数 c 4 c_4 c4​)

x 4 x_4 x4​

30 30 30

1 1 1

3 3 3

0 0 0

1 1 1

σ j \sigma_j σj​

3 3 3

4 4 4

0 0 0

0 0 0

基变量系数 (目标函数)基变量常数

( 目标函数

系数

)

( 目标函数

系数

)

基变量是

, 基变量在约束条件中的系数矩阵

就是基矩阵 , 这是个单位阵 ;

基变量是

在目标函数中的系数是

;

此时的基解是

, 该解是初始解 , 下面判定该解是否是最优解 ;

四、初始基可行解的最优解判定


使用 检验数矩阵

判断上述解 , 是否是最优解 , 该矩阵计算结果中所有的数 , 都是检验数

, 如果 所有的数都小于等于

, 说明该解就是最优解 ;

这里只求非基变量的检验数 , 即

,

的检验数 ;

列出目标函数非基变量系数

矩阵 :

  • 非基变量在目标函数中的系数矩阵 :
  • 基变量在目标函数中的叙述矩阵 :

是系数矩阵中经过矩阵变换后 , 基变量系数是单位阵

, 非基变量系数是

:

其中

是目标函数中

的系数 ,

是目标函数中的

的系数 ;

如果上述两个系数都小于等于

, 那么当 非基变量

取值为

时 , 目标函数取值最大 ;

系数的计算公式为 :

, 其中

对应的是非基变量在目标函数系数 ,

是基变量在目标函数中的系数 ,

中的矩阵向量 , 代表一列 ;

, 是从下面的单纯形表中的如下位置提取的数值 ;

, 是从下面的单纯形表中的如下位置提取的数值 ;

如果这两个系数 , 如果都小于等于

, 该 基可行解

才是最优解 , 这两个系数都大于

, 因此不是最优解 ;

五、第一次迭代 : 入基与出基变量选择


入基变量选择 : 具体哪个变量入基 , 是由检验数决定的 , 检验数

较大的入基 ;

的检验数

, 大于

, 因此这里选择

作为入基变量 ;

出基变量选择 : 系数矩阵中 , 常数列

, 分别除以除以入基变量大于

的系数列

, 得出结果是

, 然后选择一个最小值

, 查看该最小值对应的变量是

, 选择该变量作为出基变量 ;

这里将出基变量与入基变量选择好了 ,

的检验数较大 , 选择

作为入基变量 ,

较小 , 选择

作为出基变量 ;

入基出基操作完成后 , 基变量变成了

;

六、第一次迭代 : 方程组同解变换


方程组做同解变换 :

线性规划原始方程组为

, 需要将

的系数变为

,

的系数保持

不变 ;

方程

同解变换 :

中 , 需要将

的系数变成

, 在方程两端乘以

, 此时方程变成

;

方程

同解变换 : 将上述方程

作同解变换后 , 方程组变成

, 目前的需求是将方程

系数变为

, 使用方程

减去 方程

即可得到要求的矩阵 :

最终方程

转化为

;

同解变换完成后的方程组为

七、第一次迭代 : 生成新的单纯形表


单纯形表变成如下形式 : 下面的单纯形表中 , 上面部分是初始基可行解对应的单纯形表 , 下面的部分是本次迭代后生成的新的单纯形表 ;

将同解变换后的方程组中的 系数矩阵 , 和 常数 , 填入新的单纯形表中 ;

c j c_j cj​

c j c_j cj​

3 3 3

4 4 4

0 0 0

0 0 0

C B C_B CB​ 基变量系数 (目标函数)

基变量

常数 b b b

x 1 x_1 x1​

x 2 x_2 x2​

x 3 x_3 x3​

x 4 x_4 x4​

θ i \theta_i θi​

0 0 0 ( 目标函数 x 3 x_3 x3​ 系数 c 3 c_3 c3​ )

x 3 x_3 x3​

40 40 40

2 2 2

1 1 1

1 1 1

0 0 0

40 40 40 ( θ 3 \theta_3 θ3​ )

0 0 0 ( 目标函数 x 4 x_4 x4​ 系数 c 4 c_4 c4​)

x 4 x_4 x4​

30 30 30

1 1 1

3 3 3

0 0 0

1 1 1

10 10 10 ( θ 4 \theta_4 θ4​ )

σ j \sigma_j σj​

3 3 3 ( σ 1 \sigma_1 σ1​ )

4 4 4 ( σ 2 \sigma_2 σ2​ )

0 0 0

0 0 0

0 0 0 ( 目标函数 x 3 x_3 x3​ 系数 c 3 c_3 c3​ )

x 3 x_3 x3​

30 30 30

5 3 \dfrac{5}{3} 35​

0 0 0

1 1 1

− 1 3 -\dfrac{1}{3} −31​

? ? ? ( θ 3 \theta_3 θ3​ )

4 4 4 ( 目标函数 x 2 x_2 x2​ 系数 c 2 c_2 c2​)

x 2 x_2 x2​

10 10 10

1 3 \dfrac{1}{3} 31​

1 1 1

0 0 0

1 3 \dfrac{1}{3} 31​

? ? ? ( θ 2 \theta_2 θ2​ )

σ j \sigma_j σj​ ( 检验数 )

5 3 \dfrac{5}{3} 35​ ( σ 1 \sigma_1 σ1​ )

0 0 0

0 0 0

− 4 3 -\dfrac{4}{3} −34​ ( σ 4 \sigma_4 σ4​ )

基变量系数 (目标函数)基变量常数

( 目标函数

系数

)

(

)

( 目标函数

系数

)

(

)

(

)

(

)

––––––––

( 目标函数

系数

)

(

)

( 目标函数

系数

)

(

)

( 检验数 )

(

)

(

)

八、第一次迭代 : 解出基可行解


新的 基变量是

, 对应的基矩阵是

, 非基变量是

, 对应的非基矩阵是

, 将非基变量设置为

, 方程组为

, 解出基变量为

, 基可行解

九、第一次迭代 : 计算检验数

判定最优解 并选择入基变量


根据 【运筹学】线性规划数学模型 ( 单纯形法 | 最优解判定原则 | 单纯形表 | 系数计算方法 | 根据系数是否小于等于 0 判定最优解 ) 博客中分析 , 检验数计算公式为 :

  • 矩阵形式 :
  • 单个检验数计算公式 :

基变量的检验数是

, 主要是求非基变量的检验数

;

, 是从下面的单纯形表中的如下位置提取的数值 ;

, 是从下面的单纯形表中的如下位置提取的数值 ;

检验数

,

是大于

的 , 两个检验数必须都小于等于

, 该基可行解才算作是最优解 , 因此 该基可行解不是最优解 ;

根据检验数选择入基变量 : 继续迭代 , 选择检验数较大的非基变量 , 作为入基变量 , 这里入基变量是

;

十、第一次迭代 : 根据入基变量计算并选择出基变量


参考博客 【运筹学】线性规划数学模型 ( 单纯形法 | 迭代原则 | 入基 | 出基 | 线性规划求解示例 ) 五、出基与入基变量选择

入基变量 根据检验数

选择的是

;

出基变量是根据

值来选择的 , 选择

值较小的值对应的基变量作为出基变量 ;

值计算 : 常数列

, 分别除以除以入基变量

大于

的系数列

, 计算过程如下

, 得出结果是

, 然后选择一个最小值

, 查看该最小值对应的变量是

, 选择该变量作为出基变量 ;

作入基变量 ,

作出基变量 ; 使用

替代基变量中

的位置 ;

迭代后的基变量为

;

更新一下单纯形表 :

c j c_j cj​

c j c_j cj​

3 3 3

4 4 4

0 0 0

0 0 0

C B C_B CB​ 基变量系数 (目标函数)

基变量

常数 b b b

x 1 x_1 x1​

x 2 x_2 x2​

x 3 x_3 x3​

x 4 x_4 x4​

θ i \theta_i θi​

0 0 0 ( 目标函数 x 3 x_3 x3​ 系数 c 3 c_3 c3​ )

x 3 x_3 x3​

40 40 40

2 2 2

1 1 1

1 1 1

0 0 0

40 40 40 ( θ 3 \theta_3 θ3​ )

0 0 0 ( 目标函数 x 4 x_4 x4​ 系数 c 4 c_4 c4​)

x 4 x_4 x4​

30 30 30

1 1 1

3 3 3

0 0 0

1 1 1

10 10 10 ( θ 4 \theta_4 θ4​ )

σ j \sigma_j σj​

3 3 3 ( σ 1 \sigma_1 σ1​ )

4 4 4 ( σ 2 \sigma_2 σ2​ )

0 0 0

0 0 0

0 0 0 ( 目标函数 x 3 x_3 x3​ 系数 c 3 c_3 c3​ )

x 3 x_3 x3​

30 30 30

5 3 \dfrac{5}{3} 35​

0 0 0

1 1 1

− 1 3 -\dfrac{1}{3} −31​

18 18 18 ( θ 3 \theta_3 θ3​ )

4 4 4 ( 目标函数 x 2 x_2 x2​ 系数 c 2 c_2 c2​)

x 2 x_2 x2​

10 10 10

1 3 \dfrac{1}{3} 31​

1 1 1

0 0 0

1 3 \dfrac{1}{3} 31​

30 30 30 ( θ 2 \theta_2 θ2​ )

σ j \sigma_j σj​ ( 检验数 )

5 3 \dfrac{5}{3} 35​ ( σ 1 \sigma_1 σ1​ )

0 0 0

0 0 0

− 4 3 -\dfrac{4}{3} −34​ ( σ 4 \sigma_4 σ4​ )

基变量系数 (目标函数)基变量常数

( 目标函数

系数

)

(

)

( 目标函数

系数

)

(

)

(

)

(

)

––––––––

( 目标函数

系数

)

(

)

( 目标函数

系数

)

(

)

( 检验数 )

(

)

(

)

十一、第二次迭代 : 方程组同解变换


当前的方程组为

, 选择

作为基变量 , 基矩阵为

, 进行同解变换 , 将基矩阵转为单位阵 ;

方程

同解变换 :

方程中的

的系数变为

,

的系数为

保持不变 ;

方程的左右变量乘以

:

当前方程组变成

方程

同解变换 : 将方程

乘以

, 与方程

相加 ;

① 方程

乘以

:

② 与方程

相加 :

当前方程组变成

十二、第二次迭代 : 生成新的单纯形表


更新一下单纯形表 : 将第三次迭代的矩阵填入下面的单纯形表中 ;

c j c_j cj​

c j c_j cj​

3 3 3

4 4 4

0 0 0

0 0 0

C B C_B CB​ 基变量系数 (目标函数)

基变量

常数 b b b

x 1 x_1 x1​

x 2 x_2 x2​

x 3 x_3 x3​

x 4 x_4 x4​

θ i \theta_i θi​

0 0 0 ( 目标函数 x 3 x_3 x3​ 系数 c 3 c_3 c3​ )

x 3 x_3 x3​

40 40 40

2 2 2

1 1 1

1 1 1

0 0 0

40 40 40 ( θ 3 \theta_3 θ3​ )

0 0 0 ( 目标函数 x 4 x_4 x4​ 系数 c 4 c_4 c4​)

x 4 x_4 x4​

30 30 30

1 1 1

3 3 3

0 0 0

1 1 1

10 10 10 ( θ 4 \theta_4 θ4​ )

σ j \sigma_j σj​

3 3 3 ( σ 1 \sigma_1 σ1​ )

4 4 4 ( σ 2 \sigma_2 σ2​ )

0 0 0

0 0 0

第一次迭代

0 0 0 ( 目标函数 x 3 x_3 x3​ 系数 c 3 c_3 c3​ )

x 3 x_3 x3​

30 30 30

5 3 \dfrac{5}{3} 35​

0 0 0

1 1 1

− 1 3 -\dfrac{1}{3} −31​

18 18 18 ( θ 3 \theta_3 θ3​ )

4 4 4 ( 目标函数 x 2 x_2 x2​ 系数 c 2 c_2 c2​)

x 2 x_2 x2​

10 10 10

1 3 \dfrac{1}{3} 31​

1 1 1

0 0 0

1 3 \dfrac{1}{3} 31​

30 30 30 ( θ 2 \theta_2 θ2​ )

σ j \sigma_j σj​ ( 检验数 )

5 3 \dfrac{5}{3} 35​ ( σ 1 \sigma_1 σ1​ )

0 0 0

0 0 0

− 4 3 -\dfrac{4}{3} −34​ ( σ 4 \sigma_4 σ4​ )

第二次迭代

3 3 3 ( 目标函数 x 1 x_1 x1​ 系数 c 1 c_1 c1​ )

x 1 x_1 x1​

18 18 18

1 1 1

0 0 0

3 5 \dfrac{3}{5} 53​

− 1 5 -\dfrac{1}{5} −51​

? ? ? ( θ 3 \theta_3 θ3​ )

4 4 4 ( 目标函数 x 2 x_2 x2​ 系数 c 2 c_2 c2​)

x 2 x_2 x2​

4 4 4

0 0 0

1 1 1

− 1 5 -\dfrac{1}{5} −51​

2 5 \dfrac{2}{5} 52​

? ? ? ( θ 2 \theta_2 θ2​ )

σ j \sigma_j σj​ ( 检验数 )

0 0 0

0 0 0

? ? ? ( σ 3 \sigma_3 σ3​ )

? ? ? ( σ 4 \sigma_4 σ4​ )

基变量系数 (目标函数)基变量常数

( 目标函数

系数

)

(

)

( 目标函数

系数

)

(

)

(

)

(

)

第一次迭代–––––––

( 目标函数

系数

)

(

)

( 目标函数

系数

)

(

)

( 检验数 )

(

)

(

)第二次迭代–––––––

( 目标函数

系数

)

(

)

( 目标函数

系数

)

(

)

( 检验数 )

(

)

(

)

十三、第二次迭代 : 计算检验数、最优解判定


计算检验数

:

两个非基变量的检验数都是小于等于

的 , 因此该基可行解

是最优解 ;

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2020-07-21,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
单纯形法
限制条件由等式和不等式组成。每一个线性的等式在几何上就限制了可行解必须在一个超平面上。每一个线性的不等式在几何上就限制了可行解必须在一个超平面的一边。于是这些限制条件就限制了可行解必须在某个单纯形上,所谓单纯形就是很多超平面围成的区域。
卡尔曼和玻尔兹曼谁曼
2019/01/22
9480
【运筹学】线性规划数学模型 ( 单纯形法 | 最优解判定原则 | 可行解表示 | 目标函数推导 | 目标函数最大值分析 )
在上一篇博客 【运筹学】线性规划数学模型 ( 单纯形法原理 | 单纯形法流程 | 查找初始基可行解 ) 中 , 讲解到了使用单纯形法求解线性规划问题 , 需要解决以下三个主要问题 :
韩曙亮
2023/03/28
1.3K0
【运筹学】线性规划 人工变量法 ( 人工变量法案例 | 第三次迭代 | 中心元变换 | 检验数计算 | 最优解判定 )
上一篇博客 【运筹学】线性规划 人工变量法 ( 人工变量法案例 | 第一次迭代 | 中心元变换 | 检验数计算 | 选择入基变量 | 选择出基变量 ) 中 , 进行了第一次迭代 , 首先进行中心元变换 , 计算该单纯形表检验数 , 进行最优解判定 , 该初始基可行解不是最优解 , 先选择入基变量 , 然后根据入基变量选择出基变量 ; 本篇博客中开始进行第二次迭代计算 ;
韩曙亮
2023/03/28
3520
【运筹学】线性规划 人工变量法 ( 人工变量法案例 | 第三次迭代 | 中心元变换 | 检验数计算 | 最优解判定 )
【运筹学】线性规划 人工变量法 ( 人工变量法案例 | 第二次迭代 | 中心元变换 | 检验数计算 | 最优解判定 | 选择入基变量 | 选择出基变量 )
上一篇博客 【运筹学】线性规划 人工变量法 ( 人工变量法案例 | 第一次迭代 | 中心元变换 | 检验数计算 | 选择入基变量 | 选择出基变量 ) 中 , 进行了第一次迭代 , 首先进行中心元变换 , 计算该单纯形表检验数 , 进行最优解判定 , 该初始基可行解不是最优解 , 先选择入基变量 , 然后根据入基变量选择出基变量 ; 本篇博客中开始进行第二次迭代计算 ;
韩曙亮
2023/03/28
6730
【运筹学】线性规划 人工变量法 ( 人工变量法案例 | 第二次迭代 | 中心元变换 | 检验数计算 | 最优解判定 | 选择入基变量 | 选择出基变量 )
【运筹学】线性规划 人工变量法 ( 人工变量法案例 | 第一次迭代 | 中心元变换 | 检验数计算 | 选择入基变量 | 选择出基变量 )
上一篇博客 【运筹学】线性规划 人工变量法 ( 人工变量法案例 | 初始单纯形表 | 检验数计算 | 入基变量 | 出基变量 ) 中 , 使用了人工变量法解没有单位阵的线性规划问题 , 通过添加人工变量 , 构造了单位阵 , 生成初始单纯形表 , 计算该单纯形表检验数 , 进行最优解判定 , 该初始基可行解不是最优解 , 先选择入基变量 , 然后根据入基变量选择出基变量 ; 本篇博客中开始进行第一次迭代计算 ;
韩曙亮
2023/03/28
8470
【运筹学】线性规划 人工变量法 ( 人工变量法案例 | 第一次迭代 | 中心元变换 | 检验数计算 | 选择入基变量 | 选择出基变量 )
【运筹学】线性规划数学模型 ( 单纯形法 | 第一次迭代 | 方程组同解变换 | 计算新单纯形表 | 计算检验数 | 入基变量选择 | 出基变量选择 )
上篇博客 【运筹学】线性规划数学模型 ( 单纯形法 | 迭代原则 | 入基 | 出基 | 线性规划求解示例 ) 讲解了单纯形法中选择了入基变量 , 与出基变量 , 找到了下一组迭代的可行基 , 下面开始继续进行后续操作 ;
韩曙亮
2023/03/28
1.2K0
【运筹学】线性规划数学模型 ( 单纯形法 | 第一次迭代 | 方程组同解变换 | 计算新单纯形表 | 计算检验数 | 入基变量选择 | 出基变量选择 )
【运筹学】线性规划数学模型 ( 单纯形法 | 第二次迭代 | 方程组同解变换 | 生成新单纯形表 | 计算检验数 | 最优解判定 | 线性规划解个数分析 )
上一篇博客 【运筹学】线性规划数学模型 ( 单纯形法 | 第一次迭代 | 方程组同解变换 | 计算新单纯形表 | 计算检验数 | 入基变量选择 | 出基变量选择 | 第三次迭代 | 得到最优解 ) 中进行了线性规划的第一次迭代 , 本篇博客中进行第二次迭代 ;
韩曙亮
2023/03/28
1K0
【运筹学】线性规划 单纯形法 案例二 ( 第二次迭代 | 矩阵变换 | 检验数计算 | 最优解判定 )
【运筹学】线性规划数学模型 ( 单纯形法 | 第二次迭代 | 方程组同解变换 | 生成新单纯形表 | 计算检验数 | 最优解判定 | 线性规划解个数分析 ) 后续博客 , 在上一篇博客中进行了 第二次迭代 , 使用中心元变换得到新的系数矩阵 , 计算检验数 , 验证最优解 , 计算入基变量 , 出基变量 , 本篇博客开始进行第三次迭代 ;
韩曙亮
2023/03/28
5820
【运筹学】线性规划 单纯形法 案例二 ( 第二次迭代 | 矩阵变换 | 检验数计算 | 最优解判定 )
【运筹学】线性规划 单纯形法 案例二 ( 第一次迭代 | 矩阵变换 | 检验数计算 | 最优解判定 | 入基变量 | 出基变量 )
【运筹学】线性规划 单纯形法 ( 案例解析 | 标准形转化 | 查找初始基可行解 | 最优解判定 | 查找入基变量与出基变量 | 迭代一 : 列出单纯形表) 后续博客 , 在上一篇博客中进行了 初始基可行解的检验数计算 , 最优解判定 , 入基变量与出基变量计算 , 并开始第一次迭代 ; 本篇博客中进行后续步骤解析 ;
韩曙亮
2023/03/28
8350
【运筹学】线性规划 单纯形法 案例二 ( 第一次迭代 | 矩阵变换 | 检验数计算 | 最优解判定 | 入基变量 | 出基变量 )
【运筹学】线性规划数学模型 ( 单纯形法 | 迭代原则 | 入基 | 出基 | 线性规划求解示例 )
在上一篇博客 【运筹学】线性规划数学模型 ( 单纯形法 | 最优解判定原则 | 线性规划求解示例 ) 博客给出了一个线性规划的示例 , 并进行了 查找初始基可行解 , 和 判定该基可行解是否是最优解 ;
韩曙亮
2023/03/28
1.4K0
【运筹学】线性规划数学模型 ( 单纯形法 | 迭代原则 | 入基 | 出基 | 线性规划求解示例 )
【运筹学】线性规划 人工变量法 ( 人工变量法案例 | 初始单纯形表 | 检验数计算 | 入基变量 | 出基变量 )
上一篇博客 【运筹学】线性规划 人工变量法 ( 单纯形法总结 | 人工变量法引入 | 人工变量法原理分析 | 人工变量法案例 ) 中 , 介绍了人工变量法 , 主要用于解决线性规划标准形式中 , 初始系数矩阵中没有单位阵的情况 , 并给出一个案例 , 本篇博客中继续使用人工变量法解解上述线性规划问题 ;
韩曙亮
2023/03/28
7620
【运筹学】线性规划 人工变量法 ( 人工变量法案例 | 初始单纯形表 | 检验数计算 | 入基变量 | 出基变量 )
【运筹学】线性规划 单纯形法 案例二 ( 案例解析 | 标准形转化 | 查找初始基可行解 | 最优解判定 | 查找入基变量与出基变量 | 第一次迭代 )
参考 【运筹学】线性规划数学模型标准形式 ( 标准形式 | 目标函数转化 | 决策变量转化 | 约束方程转化 | 固定转化顺序 | 标准形式转化实例 ) 线性规划 普通形式 -> 标准形式 转化顺序说明 博客 , 先处理变量约束 , 再将不等式转为等式 , 最后更新目标函数 ;
韩曙亮
2023/03/28
1.3K0
【运筹学】线性规划 单纯形法 案例二  ( 案例解析 | 标准形转化 | 查找初始基可行解 | 最优解判定 | 查找入基变量与出基变量 | 第一次迭代 )
【运筹学】线性规划数学模型 ( 单纯形法 | 最优解判定原则 | 线性规划求解示例 )
在上一篇博客 【运筹学】线性规划数学模型 ( 单纯形法 | 最优解判定原则 | 单纯形表 | 系数计算方法 | 根据系数是否小于等于 0 判定最优解 ) 博客中讲解了最优解判定原则 , 基本原理就是
韩曙亮
2023/03/28
1.7K0
【运筹学】线性规划数学模型 ( 单纯形法 | 最优解判定原则 | 线性规划求解示例 )
【运筹学】线性规划数学模型 ( 单纯形法原理 | 单纯形法流程 | 查找初始基可行解 )
( 可行域是凸集 ) : 如果线性规划的问题 存在可行解 , 其 可行域 必定是 凸集 ;
韩曙亮
2023/03/28
1.3K0
【运筹学】线性规划数学模型 ( 单纯形法原理 | 单纯形法流程 | 查找初始基可行解 )
【运筹学】线性规划数学模型 ( 单纯形法 | 最优解判定原则 | 单纯形表 | 系数计算方法 | 根据系数是否小于等于 0 判定最优解 )
在上一篇博客 【运筹学】线性规划数学模型 ( 单纯形法 | 最优解判定原则 | 可行解表示 | 目标函数推导 | 目标函数最大值分析 ) 博客中讲解了最优解判定的推导过程 , 基本原理就是
韩曙亮
2023/03/28
1K0
【运筹学】线性规划数学模型 ( 单纯形法 | 最优解判定原则 | 单纯形表 | 系数计算方法 | 根据系数是否小于等于 0 判定最优解 )
【运筹学】运输规划 ( 运输规划问题的数学模型 | 运输问题引入 )
不同的产地运往不同的销地 , 运费不同 , 如何合理安排运输 , 能使总运费最少 ;
韩曙亮
2023/03/28
6520
【运筹学】对偶理论总结 ( 对称性质 | 弱对偶定理 | 最优性定理 | 强对偶性 | 互补松弛定理 ) ★★★
约束条件与约束变量的对应关系 ( 目标函数求最大值 ) : 这里特别注意 , 约束条件与约束变量 大于小于符号是相反的 ;
韩曙亮
2023/03/28
2.6K0
【运筹学】对偶理论总结 ( 对称性质 | 弱对偶定理 | 最优性定理 | 强对偶性 | 互补松弛定理 ) ★★★
【运筹学】运输规划 ( 运输规划基变量个数分析 )
上一篇博客 【运筹学】运输规划 ( 运输规划问题的数学模型 | 运输问题引入 ) 提出了运输规划问题 , 其约束方程系数矩阵的系数都是
韩曙亮
2023/03/28
9460
【运筹学】对偶理论 : 互补松弛定理应用 ( 原问题与对偶问题标准形式 | 已知原问题最优解求对偶问题最优解 | 使用单纯形法求解 | 使用互补松弛定理公式一求解 | 互补松弛定理公式二无效 ) ★★
首先写出 对偶问题 , 然后转为 标准形式 , 找 单位阵 作为基矩阵 , 然后得到基变量 , 假设非基变量为
韩曙亮
2023/03/28
2K0
【运筹学】线性规划数学模型 ( 求解基矩阵示例 | 矩阵的可逆性 | 线性规划表示为 基矩阵 基向量 非基矩阵 非基向量 形式 )
个矩阵都是可逆矩阵 , 都可以作为基矩阵 , 当选中一个基矩阵时 , 其对应的列向量就是基向量 , 对应的变量 , 就是基变量 , 剩余的变量是非基变量 ;
韩曙亮
2023/03/28
1.5K0
【运筹学】线性规划数学模型 ( 求解基矩阵示例 | 矩阵的可逆性 | 线性规划表示为 基矩阵 基向量 非基矩阵 非基向量 形式 )
推荐阅读
单纯形法
9480
【运筹学】线性规划数学模型 ( 单纯形法 | 最优解判定原则 | 可行解表示 | 目标函数推导 | 目标函数最大值分析 )
1.3K0
【运筹学】线性规划 人工变量法 ( 人工变量法案例 | 第三次迭代 | 中心元变换 | 检验数计算 | 最优解判定 )
3520
【运筹学】线性规划 人工变量法 ( 人工变量法案例 | 第二次迭代 | 中心元变换 | 检验数计算 | 最优解判定 | 选择入基变量 | 选择出基变量 )
6730
【运筹学】线性规划 人工变量法 ( 人工变量法案例 | 第一次迭代 | 中心元变换 | 检验数计算 | 选择入基变量 | 选择出基变量 )
8470
【运筹学】线性规划数学模型 ( 单纯形法 | 第一次迭代 | 方程组同解变换 | 计算新单纯形表 | 计算检验数 | 入基变量选择 | 出基变量选择 )
1.2K0
【运筹学】线性规划数学模型 ( 单纯形法 | 第二次迭代 | 方程组同解变换 | 生成新单纯形表 | 计算检验数 | 最优解判定 | 线性规划解个数分析 )
1K0
【运筹学】线性规划 单纯形法 案例二 ( 第二次迭代 | 矩阵变换 | 检验数计算 | 最优解判定 )
5820
【运筹学】线性规划 单纯形法 案例二 ( 第一次迭代 | 矩阵变换 | 检验数计算 | 最优解判定 | 入基变量 | 出基变量 )
8350
【运筹学】线性规划数学模型 ( 单纯形法 | 迭代原则 | 入基 | 出基 | 线性规划求解示例 )
1.4K0
【运筹学】线性规划 人工变量法 ( 人工变量法案例 | 初始单纯形表 | 检验数计算 | 入基变量 | 出基变量 )
7620
【运筹学】线性规划 单纯形法 案例二 ( 案例解析 | 标准形转化 | 查找初始基可行解 | 最优解判定 | 查找入基变量与出基变量 | 第一次迭代 )
1.3K0
【运筹学】线性规划数学模型 ( 单纯形法 | 最优解判定原则 | 线性规划求解示例 )
1.7K0
【运筹学】线性规划数学模型 ( 单纯形法原理 | 单纯形法流程 | 查找初始基可行解 )
1.3K0
【运筹学】线性规划数学模型 ( 单纯形法 | 最优解判定原则 | 单纯形表 | 系数计算方法 | 根据系数是否小于等于 0 判定最优解 )
1K0
【运筹学】运输规划 ( 运输规划问题的数学模型 | 运输问题引入 )
6520
【运筹学】对偶理论总结 ( 对称性质 | 弱对偶定理 | 最优性定理 | 强对偶性 | 互补松弛定理 ) ★★★
2.6K0
【运筹学】运输规划 ( 运输规划基变量个数分析 )
9460
【运筹学】对偶理论 : 互补松弛定理应用 ( 原问题与对偶问题标准形式 | 已知原问题最优解求对偶问题最优解 | 使用单纯形法求解 | 使用互补松弛定理公式一求解 | 互补松弛定理公式二无效 ) ★★
2K0
【运筹学】线性规划数学模型 ( 求解基矩阵示例 | 矩阵的可逆性 | 线性规划表示为 基矩阵 基向量 非基矩阵 非基向量 形式 )
1.5K0
相关推荐
单纯形法
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档