单纯形法
来源:互联网 发布:58中国网络经纪人登录 编辑:程序博客网 时间:2024/06/06 14:24
单纯形法的基本思想(Simplex method)
简要地讲就是,每次从单纯形上的一个顶点走到一个更好的顶点直到找到最小(大)值。
线性规划是由两部分组成的:线性的目标函数和线性的限制条件。
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。
由于目标函数也是线性的,所以如果最优解存在,一定有一个最优解是单纯形上的一个顶点。所以目标变成了找单纯形上最好的顶点。
最好的顶点怎么找?最直接的办法就是逐个找。聪明一点的办法是,每次找到的新的顶点都比原来的好。单纯形法就是这类方法。
问题描述
单纯形法基本思路:从一个初始的基本可行解出发,选中一条达到最优基本可行解的最佳途径。
确定初始的基本可行解
约束方程
得:
若令所有非基变量
则基变量
由此可得初始的基本可行解
判断现行的基本可行解是否最优
假如已经求得一个基本可行解
其中,
怎么判断
定理1 (最优化准则)如果
其中,
若
基本可行解的改建— 基变换
先从检验数为负的非基变量中确定一个换入变量,使它从非基变量变成基变量,再从原来的基变量中确定一个换出变量,试它从基变量变成非基变量,由此可得到一个新的基本可行解.
换入变量的确定—最大减小原则
选取最小负检验数所对应的非基变量为换入变量,即若
则选取对应的
由于
换出变量的确定—最小比值原则
如果确定确定
现在需要在
则选取对应的基变量
例子
解:已知
- 确定初始基本可行解
基变量
令
- 检验
X 是否最优
检验向量
因为
- 基本可行解的改进
(1)选取换入变量
因为
(2)选取换出变量
因为
- 求解改进了的基本可行解— 旋转运算
对约束方程组的增广矩阵
基变量
令
- 转2,检验
X 是否最优
检验向量
因为
- 转3,基本可行解的改进
(1)选取换入变量
因为
(2)选取换出变量
因为
- 转4,求解改进了的基本可行解
对约束方程组的增广矩阵施以初等行变换,使换入变量
基变量
令
- 转2,检验
X 是否最优
检验向量
因为所有检验系数均小于0,所以
参考资料
第四讲 单纯形法基本原理
- 单纯形法
- 单纯形法
- 单纯形法
- 单纯形法 学习
- 单纯形法
- 单纯形法
- ##单纯形法##
- 单纯形法
- 线性规划--单纯形法
- 单纯形法简介
- 单纯形法
- 单纯形法
- 单纯形法(1)
- 单纯形法(2)
- 单纯形法 -- 求解线性规划
- 单纯形法简易使用方法
- 线性规划的单纯形法
- 线性规划与单纯形法
- 数据类型的隐式转换
- 柔性数组
- 左右值问题
- 常量指针,指针常量
- cmd FC 文件匹配操作
- 单纯形法
- Nginx 架构初探
- C/C++内存管理详解 堆 栈
- python的登录验证练习
- 有趣的堆栈
- PXE 部署不同版本的系统安装环境以及挽救环境
- 【笔记】《WebGL编程指南》学习-第7章进入三维世界(5-立方体)
- Faster RCNN训练的两种模型配置
- Spark,Hbase和Hadoop之间的关系