数据、模型与决策--线性规划（PPT 110页）(1)

1、数据、模型与决策 线性规划Linear Programming1.1 LP的数学模型 Mathematical Model of LP1.2 图解法 Graphical Method1.3 标准型 Standard form of LP1.4 基本概念 Basic Concepts1.5 Simplex Method7/23/20221.1 数学模型 Mathematical Model 7/23/20221.1 线性规划的数学模型 Mathematical Model of LP 线性规划通常研究资源的最优利用、设备最佳运行等问题。例如，当任务或目标确定后，如何统筹兼顾，合理安排，用最少的资

2、源 （如资金、设备、原标材料、人工、时间等）去完成确定的任务或目标；企业在一定的资源条件限制下，如何组织安排生产获得最好的经济效益（如产品量最多 、利润最大）。线性规划（Linear Programming,缩写为LP）是运筹学的重要分支之一，在实际中应用得较广泛，其方法也较成熟，借助计算机，使得计算更方便，应用领域更广泛和深入。7/23/2022【例1.1】最优生产计划问题。某企业在计划期内计划生产甲、乙、丙三种产品。这些产品分别需要要在设备A、B上加工，需要消耗材料C、D，按工艺资料规定，单件产品在不同设备上加工及所需要的资源如表1.1所示。已知在计划期内设备的加工能力各为200台时，可供

3、材料分别为360、300公斤；每生产一件甲、乙、丙三种产品，企业可获得利润分别为40、30、50元，假定市场需求无限制。企业决策者应如何安排生产计划，使企业在计划期内总的利润收入最大？1.1 线性规划的数学模型 Mathematical Model of LP1.1.1 应用模型举例7/23/2022 产品 资源 甲 乙 丙现有资源设备A 3 1 2 200设备B 2 2 4 200材料C 4 5 1 360材料D 2 3 5 300利润（元/件） 40 30 50表1.1 产品资源消耗1.1 线性规划的数学模型 Mathematical Model of LP7/23/2022【解】设x1、

4、x2、x3 分别为甲、乙、丙三种产品的产量数学模型为：1.1 线性规划的数学模型 Mathematical Model of LP 产品 资源 甲 乙 丙现有资源设备A 3 1 2 200设备B 2 2 4 200材料C 4 5 1 360材料D 2 3 5 300利润（元/件） 40 30 50最优解X=(50,30,10);Z=34007/23/2022线性规划的数学模型由决策变量 Decision variables 目标函数Objective function及约束条件Constraints构成。称为三个要素。其特征是：1解决问题的目标函数是多个决策变量的 线性函数，通常是求最大值或

5、最小值；2解决问题的约束条件是一组多个决策变量 的线性不等式或等式。怎样辨别一个模型是线性规划模型？1.1 线性规划的数学模型 Mathematical Model of LP7/23/2022【例1.2】某商场决定：营业员每周连续工作5天后连续休息2天，轮流休息。根据统计，商场每天需要的营业员如表1.2所示。表1.2 营业员需要量统计表商场人力资源部应如何安排每天的上班人数，使商场总的营业员最少。 星期需要人数星期需要人数一300五480二300六600三350日550四4001.1 线性规划的数学模型 Mathematical Model of LP7/23/2022【解】 设xj(j=1

6、，2，7)为休息2天后星期一到星期日开始上班的营业员，则这个问题的线性规划模型为 1.1 线性规划的数学模型 Mathematical Model of LP星期需要人数星期需要人数一300五480二300六600三350日550四4007/23/20221X10C1404=3001042X267C2301=30013X3146C3350=35004X4170C4400=40005X597C5480=48006X6120C6600=60007X717C7550=5500最优解：Z617（人）7/23/2022【例1.3】合理用料问题。某汽车需要用甲、乙、丙三种规格的轴各一根，这些轴的规格分别是

7、1.5，1，0.7（m），这些轴需要用同一种圆钢来做，圆钢长度为4 m。现在要制造1000辆汽车，最少要用多少圆钢来生产这些轴？ 【解】这是一个条材下料问题 ，设切口宽度为零。 设一根圆钢切割成甲、乙、丙三种轴的根数分别为y1，y2，y3,则切割方式可用不等式1.5y1+y2+0.7y34表示，求这个不等式关于y1，y2，y3的非负整数解。象这样的非负整数解共有10组，也就是有10种下料方式，如表1.3所示。表13 下料方案 方案规格 1234 5678910需求量y1(根) 221 11 0 00001000y2 102 10 4 32101000y3 010 23 0 12451000余料

8、（m）00.30.5 0.1o.4 00.30.60.20.51.1 线性规划的数学模型 Mathematical Model of LP7/23/2022设xj(j=1,2,10)为第j种下料方案所用圆钢的根数。则用料最少数学模型为:求下料方案时应注意，余料不能超过最短毛坯的长度；最好将毛坯长度按降的次序排列，即先切割长度最长的毛坯，再切割次长的，最后切割最短的，不能遗漏了方案 。如果方案较多，用计算机编程排方案，去掉余料较长的方案，进行初选。1.1 线性规划的数学模型 Mathematical Model of LP 方案规格 1234 5678910需求量y1(根) 221 11 0 0

9、0001000y2 102 10 4 32101000y3 010 23 0 12451000余料（m）00.30.5 0.1o.4 00.30.60.20.57/23/20221X15002X203X304X405X506X662.57X708X809X925010X100Z812.57/23/2022【例1.4】配料问题。某钢铁公司生产一种合金，要求的成分规格是：锡不少于28%，锌不多于15%，铅恰好10%，镍要界于35%55%之间，不允许有其他成分。钢铁公司拟从五种不同级别的矿石中进行冶炼，每种矿物的成分含量和价格如表1.4所示。矿石杂质在治炼过程中废弃，现要求每吨合金成本最低的矿物数量

10、。假设矿石在冶炼过程中，合金含量没有发生变化。表1.4 矿石的金属含量 合金矿石锡%锌%铅%镍%杂质费用（元/t ）1251010253034024000303026030155206018042020040202305851517551901.1 线性规划的数学模型 Mathematical Model of LP7/23/2022解: 设xj（j=1,2，5）是第j 种矿石数量，得到下列线性规划模型 注意，矿石在实际冶炼时金属含量会发生变化，建模时应将这种变化考虑进去，有可能是非线性关系。配料问题也称配方问题、营养问题或混合问题，在许多行业生产中都能遇到。1.1 线性规划的数学模型 Mat

11、hematical Model of LP矿石锡%锌%铅%镍%杂质费用（元/t ）1251010253034024000303026030155206018042020040202305851517551907/23/20221X102X20.33333X304X40.58335X50.6667最优解：Z=347.51.1 线性规划的数学模型 Mathematical Model of LP7/23/2022【例1.5】投资问题。某投资公司在第一年有200万元资金，每年都有如下的投资方案可供考虑采纳：“假使第一年投入一笔资金，第二年又继续投入此资金的50%，那么到第三年就可回收第一年投入资金的

12、一倍金额”。投资公司决定最优的投资策略使第六年所掌握的资金最多。第五年：(x7/2+x9)=x8+2x5第一年：x1+x2=200(万元)第二年：(x1/2 +x3)+x4=x2第三年(x3/2+x5)+x6=x4+2x1第四年：(x5/2+x7)+x8=x6+2x3到第六年实有资金总额为x9+2x7，整理后得到下列线性规划模型 1.1 线性规划的数学模型 Mathematical Model of LP【解】设 x1：第一年的投资； x2：第一年的保留资金 x3：第二年新的投资；x4：第二年的保留资金 x5：第三年新的投资； x6：第三年的保留资金 x7：第四年新的投资 x8：第四年的保留资

13、金 x9：第五年的保留资金 7/23/20221.1 线性规划的数学模型 Mathematical Model of LP1X155.28462X2144.71553X3117.07324X405X552.03256X607X7208.13018X809X90最优解：Z 416.26万元x1：第一年的投资； x2：第一年的保留资金 x3：第二年新的投资；x4：第二年的保留资金 x5：第三年新的投资； x6：第三年的保留资金 x7：第四年新的投资 x8：第四年的保留资金 x9：第五年的保留资金 7/23/2022【例1.6】均衡配套生产问题。某产品由2件甲、3件乙零件组装而成。两种零件必须经过设

14、备A、B上加工，每件甲零件在A、B上的加工时间分别为5分钟和9分钟，每件乙零件在A、B上的加工时间分别为4分钟和10分钟。现有2台设备A和3台设备B，每天可供加工时间为8小时。为了保持两种设备均衡负荷生产，要求一种设备每天的加工总时间不超过另一种设备总时间1小时。怎样安排设备的加工时间使每天产品的产量最大。【解】 设x1、x2为每天加工甲、乙两种零件的件数，则产品的产量是设备A、B每天加工工时的约束为要求一种设备每台每天的加工时间不超过另一种设备1小时的约束为 1.1 线性规划的数学模型 Mathematical Model of LP7/23/2022目标函数线性化。产品的产量y等价于整理得

15、到线性规划模型 约束线性化。将绝对值约束写成两个不等式1.1 线性规划的数学模型 Mathematical Model of LP7/23/20221.1.2 线性规划的一般模型一般地，假设线性规划数学模型中，有m个约束，有n个决策变量xj, j=1,2,n，目标函数的变量系数用cj表示, cj称为价值系数。约束条件的变量系数用aij表示，aij称为工艺系数。约束条件右端的常数用bi表示，bi称为资源限量。则线性规划数学模型的一般表达式可写成为了书写方便，上式也可写成： 1.1 线性规划的数学模型 Mathematical Model of LP7/23/2022在实际中一般xj0,但有时xj

16、0或xj无符号限制。1.1 线性规划的数学模型 Mathematical Model of LP7/23/20221.什么是线性规划，掌握线性规划在管理中的几个应用例子2.线性规划数学模型的组成及其特征3.线性规划数学模型的一般表达式。作业：教材P31 T 2，3，4，5，61.1 线性规划的数学模型 Mathematical Model of LP下一节：图解法7/23/20221.2 图解法 Graphical Method7/23/2022图解法的步骤：1.求可行解集合。分别求出满足每个约束包括变量非 负要求的区域，其交集就是可行解集合，或称为可行域；2.绘制目标函数图形。先过原点作一条

17、矢量指向点（c1,c2)，矢量的方向就是目标函数增加的方向，称为梯度方向，再作一条与矢量垂直的直线，这条直线就是目标函数图形；3.求最优解。依据目标函数求最大或最小移动目标函数直线，直线与可行域相交的点对应的坐标就是最优解。一般地，将目标函数直线放在可行域中 求最大值时直线沿着矢量方向移动 求最小值时沿着矢量的反方向移动1.2 图解法The Graphical Method7/23/2022x1x2O1020304010203040(3,4)(15,10)最优解X=(15,10)最优值Z=85例1.71.2 图解法The Graphical Method7/23/2022246x1x2246最

18、优解X=(3,1)最优值Z=5(3,1)min Z=x1+2x2例1.8(1,2)1.2 图解法The Graphical Method7/23/2022246x1x2246X（2）（3,1）X（1）（1,3）(5,5)min Z=5x1+5x2例1.9有无穷多个最优解即具有多重解,通解为 01 当=0.5时=(x1,x2)=0.5(1,3)+0.5(3,1)=(2,2) 1.2 图解法The Graphical Method7/23/2022246x1x2246(1,2)无界解(无最优解)max Z=x1+2x2例1.107/23/2022x1x2O10203040102030405050无

19、可行解即无最优解max Z=10 x1+4x2例1.111.2 图解法The Graphical Method7/23/2022由以上例题可知，线性规划的解有4种形式：1.有唯一最优解(例1.7例1.8)2.有多重解(例1.9)3.有无界解(例1.10)4.无可行解(例1.11)1、2情形为有最优解3、4情形为无最优解1.2 图解法The Graphical Method7/23/20221.通过图解法了解线性规划有几种解的形式2.作图的关键有三点 (1)可行解区域要画正确 (2)目标函数增加的方向不能画错 (3)目标函数的直线怎样平行移动作业：教材P34 T7 1.2 图解法The Grap

20、hical Method下一节：线性规划的标准型7/23/20221.3 线性规划的标准型Standard form of LP7/23/2022 在用单纯法求解线性规划问题时，为了讨论问题方便，需将线性规划模型化为统一的标准形式。1.3 线性规划的标准型Standard form of LP线性规划问题的标准型为:1目标函数求最大值（或求最小值）2约束条件都为等式方程3变量xj非负4常数bi非负7/23/2022max(或min)Z=c1x1+c2x2+cnxn1.3 线性规划的标准型Standard form of LP注：本教材默认目标函数是 max7/23/2022或写成下列形式： 或

21、用矩阵形式1.3 线性规划的标准型Standard form of LP7/23/2022通常X记为： 称为约束方程的系数矩阵，m是约束方程的个数，n是决策变量的个数，一般情况mn，且r()m。其中:1.3 线性规划的标准型Standard form of LP7/23/2022【例1.12】将下列线性规划化为标准型 【解】（）因为x3无符号要求 ，即x3取正值也可取负值，标准型中要求变量非负，所以令 1.3 线性规划的标准型Standard form of LP7/23/2022 (3)第二个约束条件是号，在号 左端减去剩余变量(Surplus variable)x5，x50。也称松驰变量1

22、.3 线性规划的标准型Standard form of LP(2) 第一个约束条件是号，在左端加入松驰变量 (slack variable) x4，x40,化为等式；(4)第三个约束条件是号且常数项为负数，因此在左边加入松驰变量x6，x60，同时两边乘以1。 （5）目标函数是最小值，为了化为求最大值，令Z=Z,得到max Z=Z，即当Z达到最小值时Z达到最大值，反之亦然。 7/23/2022综合起来得到下列标准型 1.3 线性规划的标准型Standard form of LP7/23/2022 当某个变量xj0时,令x/j=xj 。 当某个约束是绝对值不等式时，将绝对值不等式化为两个不等式，再

23、化为等式，例如约束 将其化为两个不等式 再加入松驰变量化为等式。 1.3 线性规划的标准型Standard form of LP7/23/2022【例1.13】将下例线性规划化为标准型【解】 此题关键是将目标函数中的绝对值去掉。令 则有1.3 线性规划的标准型Standard form of LP7/23/2022得到线性规划的标准形式 1.3 线性规划的标准型Standard form of LP对于axb(a、b均大于零)的有界变量化为标准形式有两种方法，一种方法是增加两个约束xa及xb，另一种方法是令=xa，则axb等价于0ba，增加一个约束ba并且将原问题所有x用x=+a替换。7/23

24、/20221.如何化标准形式？ 可以对照四条标准逐一判断！ 标准形式是人为定义的，目标函数可以是求最小值。2.用WinQSB软件求解时，不必化成标准型。图解法时不必化为标准型。3.单纯形法求解时一定要化为标准型。作业：教材P34 T 81.3 线性规划的标准型Standard form of LP下一节：基本概念7/23/20221.4 线性规划的有关概念Basic Concepts of LP7/23/2022 设线性规划的标准型 max Z=CX （1.1） AX=b （1.2） X 0 （1.3）式中A 是mn矩阵，mn并且r（A）=m，显然A中至少有一个mm子矩阵B，使得r（B）=m。

25、1.4 基本概念Basic Concepts 基 (basis)A中mm子矩阵B并且有r（B）=m，则称B是线性规划的一个基（或基矩阵basis matrix ）。当m=n时，基矩阵唯一，当mn时，基矩阵就可能有多个，但数目不超过7/23/2022【例1.14】线性规划 求所有基矩阵。 【解】约束方程的系数矩阵为25矩阵 容易看出r(A)=2，2阶子矩阵有C52=10个，其中第1列与第3列构成的2阶矩阵不是一个基，基矩阵只有9个，即1.4 基本概念Basic Concepts 7/23/2022由线性代数知，基矩阵B必为非奇异矩阵并且|B|0。当矩阵B的行列式等式零即|B|=0时就不是基 当确

26、定某一矩阵为基矩阵时，则基矩阵对应的列向量称为基向量(basis vector)，其余列向量称为非基向量 基向量对应的变量称为基变量(basis variable)，非基向量对应的变量称为非基变量 在上例中B2的基向量是A中的第一列和第四列，其余列向量是非基向量，x1、x4是基变量，x2、x3、x5是非基变量。基变量、非基变量是针对某一确定基而言的，不同的基对应的基变量和非基变量也不同。1.4 基本概念Basic Concepts 7/23/2022可行解(feasible solution) 满足式（1.2）及（1.3）的解X=（x1,x2，xn)T 称为可行解 。基本可行解(basis f

27、easible solution) 若基本解是可行解则称为是基本可行解（也称基可行解）。 例如， 与X=（0，0，0，3，2，）都是例1 的可行解。 基本解(basis solution) 对某一确定的基B，令非基变量等于零，利用式（1.） 解出基变量，则这组解称为基的基本解。 最优解(optimal solution) 满足式 （1 .1）的可行解称为最优解，即是使得目标函数达到最大值的可行解就是最优解，例如可行解 是例2的最优解。非可行解(Infeasible solution) 无界解 (unbound solution)1.4 基本概念Basic Concepts 7/23/2022显

28、然，只要基本解中的基变量的解满足式（1.）的非负要求，那么这个基本解就是基本可行解。 在例1.13中，对来说，x1,x2是基变量，x3,x4，x5是非基变量，令x3=x4=x5=0，则式（1.）为对B2来说，x1,x4,为基变量，令非变量x2,x3,x5为零，由式（1.2）得到 ，x4=4，因|B1|，由克莱姆法则知，x1、x2有唯一解x12/5,x2=1则 基本解为1.4 基本概念Basic Concepts 7/23/2022由于 是基本解，从而它是基本可行解，在 中x10,因此不是可行解，也就不是基本可行解。 反之，可行解不一定是基本可行解例如 满足式（1.2）（1.3），但不是任何基矩

29、阵的基本解。基本解为1.4 基本概念Basic Concepts 7/23/2022可行基 基可行解对应的基称为可行基；最优基基本最优解对应的基称为最优基；如上述B3就是最优基，最优基也是可行基。当最优解唯一时，最优解亦是基本最优解，当最优解不唯一时，则最优解不一定是基本最优解。例如右图中线段 的点为最优 解时，Q1点及Q2点是基本最优解,线段 的内点是最优解而不是基本最优解。 基本最优解 最优解是基本解称为基本最优解。例如，满足式（1.1）(1.3)是最优解,又是B3的基本解,因此它是基本最优解。1.4 基本概念Basic Concepts 7/23/2022基本最优解、最优解、基本可行解、

30、基本解、可行解的关系如下所示：基本最优解基本可行解可行解最 优 解基本解例如,B点和D点是可行解,不是基本解;C点是基本可行解;A点是基本最优解,同时也是最优解、基本可行解、基本解和可行解。1.4 基本概念Basic Concepts 7/23/2022凸集(Convex set)设K是n维空间的一个点集，对任意两点 时，则称K为凸集。 就是以X（1）、X（2）为端点的线段方程，点X的位置由的值确定，当=0时，X=X（2），当=1时X=X（1）凸组合(Convex combination) 设 是Rn 中的点若存在 使得 成立， 则称X为 的凸组合。1.4 基本概念Basic Concepts

31、 7/23/2022极点(Extreme point) 设K是凸集， ，若X不能用K中两个不同的 点 的凸组合表示为)10()1()2()1(0i表1-4(1)XBx1x2x3x4bx3211040 x4130130j3400(2)x3x2j(3)x1x2j基变量110001/301/3105/31-1/3405/30-4/330103/5-1/51801-1/5 2/5400-1-1将3化为1乘以1/3后得到1.5 单纯形法 Simplex Method30187/23/2022最优解X=(18，4，0，0)T，最优值Z=70O20301040(3,4)X(3)=(18,4)最优解X=(18

32、,4)最优值Z=70X(1)=(0,0)2010 x2x1301.5 单纯形法 Simplex MethodX(2)=(0,10)7/23/2022单纯形法全过程的计算，可以用列表的方法计算更为简洁，这种表格称为单纯形表（表1.4）。计算步骤：1.求初始基可行解，列出初始单纯形表，求出检验数。其中基变量的检验数必为零； 2.判断： （a）若j（j，n）得到最解； （b）某个k0且aik（i=1，2,m）则线性规划具有无界解(见例1.18)。 （c）若存在k0且aik (i=1,m)不全非正，则进行换基；1.5 单纯形法 Simplex Method7/23/2022第个比值最小 ，选最小比值对

33、应行的基变量为出基变量，若有相同最小比值，则任选一个。aLk为主元素； (c）求新的基可行解：用初等行变换方法将aLk 化为,k列其它元素化为零（包括检验数行）得到新的可行基及基本可行解，再判断是否得到最优解。（b）选出基变量 ，求最小比值：1.5 单纯形法 Simplex Method3.换基：（a）选进基变量设k=max j | j 0,xk为进基变量7/23/2022【例1.16】 用单纯形法求解【解】将数学模型化为标准形式：不难看出x4、x5可作为初始基变量，单纯法计算结果如表 1.所示 。 1.5 单纯形法 Simplex Method7/23/2022Cj12100bCBXBx1x

34、2x3x4x50 x423210150 x51/3150120j121000 x42x2j1x12x2j表151/3150120301713751/30902M2025601017/31/31250128/91/92/335/30098/91/97/3最优解X=(25，35/3，0，0，0)T，最优值Z=145/31.5 单纯形法 Simplex Method7/23/2022【例1.17】用单纯形法求解 【解】 这是一个极小化的线性规划问题,可以将其化为极大化问题求解,也可以直接求解,这时判断标准是：j0(j=1，n)时得到最优解。容易观察到,系数矩阵中有一个3阶单位矩阵,x3、x4、x5为

35、基变量。目标函数中含有基变量x4,由第二个约束得到x4=6+x1x2，并代入目标函数消去x4得1.5 单纯形法 Simplex Method7/23/2022XBx1x2x3x4x5bx3x4x51-1611210001000156215621/2j1-1000 x2x4x51-241001-1-20100015111j20100表中j0,j=1,2,5所以最优解为X=(0,5,0,1,11,)最优值 Z=2x12x2x4=251=11极小值问题,注意判断标准,选进基变量时,应选j0, x2进基，而a120，a220且aik（i=1，2,m）则线性规划具有无界解退化基本可行解的判断:存在某个基

36、变量为零的基本可行解。1.5 单纯形法 Simplex Method7/23/2022在实际问题中有些模型并不含有单位矩阵，为了得到一组基向量和初基可行解，在约束条件的等式左端加一组虚拟变量，得到一组基变量。这种人为加的变量称为人工变量，构成的可行基称为人工基，用大M法或两阶段法求解，这种用人工变量作桥梁的求解方法称为人工变量法。【例1.20】用大M法解 下列线性规划1. 大M 单纯形法1.5.2大M和两阶段单纯形法1.5 单纯形法 Simplex Method7/23/2022【解】首先将数学模型化为标准形式式中x4，x5为松弛变量，x5可作为一个基变量，第一、三约束中分别加入人工变量x6、

37、x7，目标函数中加入Mx6Mx7一项，得到人工变量单纯形法数学模型用前面介绍的单纯形法求解，见下表。 1.5 单纯形法 Simplex Method7/23/2022Cj32100MMbCBXBx1x2x3x4x5x6x7M0Mx6x5x74123121211000101000014101j3-2M2+M-1+2MM000M01x6x5x3632532001100010100381j5-6M5M0M00201x2x5x36/53/52/51000011/53/52/50103/531/511/5j50000231x2x1x301010000111025/32/31331/319/3j0005-

38、25/37/23/2022（1）初始表中的检验数有两种算法，第一种算法是利用第一、三约束将x6、x7的表达式代入目标涵数消去x6和x7，得到用非基变量表达的目标函数，其系数就是检验数；第二种算法是利用公式计算，如（2）M是一个很大的抽象的数，不需要给出具体的数值，可以理解为它能大于给定的任何一个确定数值；最优解X（31/3，13，19/3，0，0)T；最优值Z152/3注意：1.5 单纯形法 Simplex Method7/23/2022【例1.21】求解线性规划 【解】加入松驰变量x3、x4化为标准型在第二个方程中加入人工变量x5，目标函数中加上M x5一项，得到 1.5 单纯形法 Simp

39、lex Method7/23/2022用单纯形法计算如下表所示。 Cj5800MbCBXBx1x2x3x4x50Mx3x5311210010164j5M8+2M0M05Mx1x5101/37/31/31/3010122j029/3+7/3M5/3+1/3MM01.5 单纯形法 Simplex Method7/23/2022表中j0，j=1，2，5，从而得到最优解X=（2，0，0，0，2）， Z=10+2M。但最优解中含有人工变量x50说明这个解是伪最优解，是不可行的，因此原问题无可行解。 两阶段单纯形法与大M单纯形法的目的类似，将人工变量从基变量中换出，以求出原问题的初始基本可行解。将问题分成

40、两个阶段求解，第一阶段的目标函数是约束条件是加入人工变量后的约束方程，当第一阶段的最优解中没有人工变量作基变量时，得到原线性规划的一个基本可行解，第二阶段就以此为基础对原目标函数求最优解。当第一阶段的最优解w0时，说明还有不为零的人工变量是基变量，则原问题无可行解。1.5 单纯形法 Simplex Method2. 两阶段单纯形法7/23/2022【例1.22】用两阶段单纯形法求解例19的线性规划。【解】标准型为在第一、三约束方程中加入人工变量x6、x7后，第一阶段问题为用单纯形法求解，得到第一阶段问题的计算表如下：1.5 单纯形法 Simplex Method7/23/2022Cj00000

41、11 bCBXBx1x2x3x4x5x6x7101x6x5x74123121211000101000014101j2121000100 x6x5x3632532001100010100381j650100000 x2x5x36/53/52/51000011/53/52/50103/531/511/5j000001.5 单纯形法 Simplex Method7/23/2022最优解为 最优值w=0。第一阶段最后一张最优表说明找到了原问题的一组基可行解，将它作为初始基可行解，求原问题的最优解，即第二阶段问题为1.5 单纯形法 Simplex Method7/23/2022Cj32-100bCBXB

42、x1x2x3x4x5201x2x5x3100001010j50000231x2x1x3010100001110213j0005Cj32100bCBXBx1x2x3x4x5201x2x5x36/53/52/51000011/53/52/50103/531/5 11/5j5 0000231x2x1x301010000111025/32/31331/319/3j000525/3用单纯形法计算得到下表最优解X（31/3，13，19/3，0，0)T；最优值Z152/31.5 单纯形法 Simplex Method7/23/2022【例1.23】用两阶段法求解例1.21的线性规划。【解】例1.21的第一阶

43、段问题为用单纯形法计算如下表：1.5 单纯形法 Simplex Method7/23/2022Cj00001bCBXBx1x2x3x4x501x3x5311210010164j1201001x1x5101/37/31/31/3010122j07/31/310j0,得到第一阶段的最优解X=(2,0,0,0,2)T,最优目标值w=20,x5仍在基变量中,从而原问题无可行解。1.5 单纯形法 Simplex Method7/23/2022解的判断唯一最优解的判断：最优表中所有非基变量的检验数非零,则线 规划具有唯一最优解 多重最优解的判断:最优表中存在非基变量的检验数为零,则线则性规划具有多重最优解

44、。 无界解的判断: 某个k0且aik（i=1，2,m）则线性规划具有无界解退化基本可行解的判断:存在某个基变量为零的基本可行解。无可行解的判断：(1)当用大M单纯形法计算得到最优解并且存在Ri0时，则表明原线性规划无可行解。(2) 当第一阶段的最优值w0时，则原问题无可行解。1.5 单纯形法 Simplex Method7/23/2022设有线性规划其中Amn且r(A)=m,X0应理解为X大于等于零向量，即xj0,j=1,2,n。1.5.3 计算公式1.5 单纯形法 Simplex Method7/23/2022不妨假设A（P1，P2，Pn）中前m个列向量构成一个可行基，记为B=(P1，P2，

45、Pm)。矩阵A中后nm列构成的矩阵记为N（Pm+1,Pn）,则A可以写成分块矩阵A=（B，N）。对于基B，基变量为XB=（x1,x2，xm ）T, 非基变量为XN=(xm+1,xm+2,xn)T。则X可表示成 同理将C写成分块矩阵C=（CB，CN），CB=(C1,C2,Cm), CN=(Cm+1Cm+2，cn) 则AX=b可写成1.5 单纯形法 Simplex Method7/23/2022因为r（B）=m（或|B|0）所以B 1存在，因此可有 令非基变量XN=0，XB=B1b，由 B是 可行基的假设，则得到基本可行解X=(B1b，0)T将目标函数写成 1.5 单纯形法 Simplex Met

46、hod7/23/2022得到下列五个计算公式：(令XN=0) 1.5 单纯形法 Simplex Method7/23/2022上述公式可用下面较简单的矩阵表格运算得到，设初始矩阵单纯形表1-15 将B化为I（I为m阶单位矩阵）,CB化为零,即求基本可行解和检验数。用B1左乘表中第二行,得到表1-16XBXNbXBIB-1NB-1bCj-ZjCBCN0XBXNbXBBNbCj-ZjCBCN0表115表1161.5 单纯形法 Simplex Method7/23/2022再将第二行左乘CB后加到第三行,得到XBZ0XBXNbXBIB-1NB-1bCj-Zj0CN-CBB1NCBB1b表1171.5 单纯形法 Simplex Method7/23/2022五个公式的应用【例1.24】线性规划已知可行基 求(