【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 )
文章目錄
- 一、生成初始單純形表
- 二、計算非基變量檢驗數
- 三、最優解判定
- 四、選擇入基變量
- 五、選擇出基變量
- 六、更新單純形表
上一篇博客 【運籌學】線性規劃 人工變量法 ( 單純形法總結 | 人工變量法引入 | 人工變量法原理分析 | 人工變量法案例 ) 中 , 介紹了人工變量法 , 主要用于解決線性規劃標準形式中 , 初始系數矩陣中沒有單位陣的情況 , 并給出一個案例 , 本篇博客中繼續使用人工變量法解解上述線性規劃問題 ;
一、生成初始單純形表
添加 222 個人工變量后 , 得到 人工變量單純形法 線性規劃模型 :
maxZ=3x1+2x2?x3+0x4+0x5?Mx6?Mx7s.t{?4x1+3x2+x3?x4+0x5+x6+0x7=4x1?x2+2x3+0x4+x5+0x6+0x7=102x1?2x2+x3+0x4+0x5+0x6+x7=1xj≥0(j=1,2,3,4,5,6,7)\begin{array}{lcl} max Z = 3x_1 + 2x_2 - x_3 + 0x_4 + 0x_5 - M x_6 - Mx_7 \\\\ s.t\begin{cases} -4 x_1 + 3x_2 + x_3 - x_4 + 0x_5 + x_6 + 0x_7 = 4 \\\\ x_1 - x_2 + 2x_3 + 0x_4 + x_5 + 0x_6 + 0x_7 = 10 \\\\ 2x_1 - 2x_2 + x_3 + 0x_4 + 0x_5 + 0x_6 + x_7 = 1 \\\\ x_j \geq 0 \quad (j = 1 , 2 , 3, 4, 5 , 6 , 7 ) \end{cases}\end{array}maxZ=3x1?+2x2??x3?+0x4?+0x5??Mx6??Mx7?s.t?????????????????????????4x1?+3x2?+x3??x4?+0x5?+x6?+0x7?=4x1??x2?+2x3?+0x4?+x5?+0x6?+0x7?=102x1??2x2?+x3?+0x4?+0x5?+0x6?+x7?=1xj?≥0(j=1,2,3,4,5,6,7)??
其中的 MMM 是一個很大的數值 , 沒有具體的值 , 可以理解為正無窮 +∞+\infty+∞ , 具體使用單純形法進行計算時 , 將其理解為大于給出的任意一個確定的數值 ;
生成初始基可行表 :
| CBC_BCB? 基變量系數 (目標函數) | XBX_BXB? 基變量 | 常數 bbb | x1x_1x1? | x2x_2x2? | x3x_3x3? | x4x_4x4? | x5x_5x5? | x6x_6x6? | x7x_7x7? | θi\theta_iθi? |
| ?M-M?M ( 目標函數 x6x_6x6? 系數 c6c_6c6? ) | x6x_6x6? | 444 | ?4-4?4 | 333 | 111 | ?1-1?1 | 000 | 111 | 000 | ??? (θ6\theta_6θ6?) |
| 000 ( 目標函數 x5x_5x5? 系數 c5c_5c5?) | x5x_5x5? | 101010 | 111 | ?1-1?1 | 222 | 000 | 111 | 000 | 000 | ??? ( θ5\theta_5θ5? ) |
| ?M-M?M ( 目標函數 x7x_7x7? 系數 c7c_7c7?) | x7x_7x7? | 111 | 222 | ?2-2?2 | 111 | 000 | 000 | 000 | 111 | ??? ( θ7\theta_7θ7? ) |
| σj\sigma_jσj? ( 檢驗數 ) | ??? ( σ1\sigma_1σ1? ) | ??? ( σ2\sigma_2σ2? ) | ??? ( σ3\sigma_3σ3? ) | ??? ( σ3\sigma_3σ3? ) | 000 | 000 | 000 |
注意基變量順序 : 初始基可行解的單位陣的順序 , 是 (100010001)\begin{pmatrix} \quad 1 \quad 0 \quad 0 \quad \\ \quad 0 \quad 1 \quad 0 \quad \\ \quad 0 \quad 0 \quad 1 \quad \\ \end{pmatrix}???100010001???? , 對應的基變量順序是 (x6x5x7)\begin{pmatrix} \quad x_6 \quad x_5 \quad x_7 \quad \\ \end{pmatrix}(x6?x5?x7??)
-
x6x_6x6? 系數是 (100)\begin{pmatrix} \quad 1 \quad \\ \quad 0 \quad \\ \quad 0 \quad \\ \end{pmatrix}???100????
-
x5x_5x5? 系數是 (010)\begin{pmatrix} \quad 0 \quad \\ \quad 1 \quad \\ \quad 0 \quad \\ \end{pmatrix}???010????
-
x7x_7x7? 系數是 (001)\begin{pmatrix} \quad 0 \quad \\ \quad 0 \quad \\ \quad 1 \quad \\ \end{pmatrix}???001????
二、計算非基變量檢驗數
1 . 計算非基變量 x1x_1x1? 的檢驗數 σ1\sigma_1σ1? :
σ1=3?(?M0?M)×(?412)=3?(?M×?4+0×1+?M×2)=3?2M\sigma_1 = 3 - \begin{pmatrix} \quad -M \quad 0 \quad -M \quad \\ \end{pmatrix} \times \begin{pmatrix} \quad -4 \quad \\\\ \quad 1 \quad \\\\ \quad 2 \quad \end{pmatrix} = 3- ( -M \times -4 + 0 \times 1 + -M \times 2) =3 - 2Mσ1?=3?(?M0?M?)×????????412????????=3?(?M×?4+0×1+?M×2)=3?2M
其中 MMM 是正無窮 +∞+\infin+∞ , 3?2M3 - 2M3?2M 是負數 ;
2 . 計算非基變量 x2x_2x2? 的檢驗數 σ2\sigma_2σ2? :
σ2=2?(?M0?M)×(3?1?2)=2?(?M×3+0×?1+?M×?2)=2+M\sigma_2 = 2 - \begin{pmatrix} \quad -M \quad 0 \quad -M \quad \\ \end{pmatrix} \times \begin{pmatrix} \quad 3 \quad \\\\ \quad -1 \quad \\\\ \quad -2 \quad \end{pmatrix} = 2- ( -M \times 3 + 0 \times -1 + -M \times -2) = 2 + Mσ2?=2?(?M0?M?)×???????3?1?2????????=2?(?M×3+0×?1+?M×?2)=2+M
其中 MMM 是正無窮 +∞+\infin+∞ , 2+M2 + M2+M 是正數 ;
3 . 計算非基變量 x3x_3x3? 的檢驗數 σ3\sigma_3σ3? :
σ3=?1?(?M0?M)×(121)=?1?(?M×1+0×2+?M×1)=?1+2M\sigma_3 = -1 - \begin{pmatrix} \quad -M \quad 0 \quad -M \quad \\ \end{pmatrix} \times \begin{pmatrix} \quad 1 \quad \\\\ \quad 2 \quad \\\\ \quad 1 \quad \end{pmatrix} = -1- ( -M \times 1 + 0 \times 2 + -M \times 1) =-1 + 2Mσ3?=?1?(?M0?M?)×???????121????????=?1?(?M×1+0×2+?M×1)=?1+2M
其中 MMM 是正無窮 +∞+\infin+∞ , ?1+2M-1 + 2M?1+2M 是正數 ;
4 . 計算非基變量 x4x_4x4? 的檢驗數 σ4\sigma_4σ4? :
σ4=0?(?M0?M)×(?100)=0?(?M×?1+0×0+?M×0)=?M\sigma_4 = 0 - \begin{pmatrix} \quad -M \quad 0 \quad -M \quad \\ \end{pmatrix} \times \begin{pmatrix} \quad -1 \quad \\\\ \quad 0 \quad \\\\ \quad 0 \quad \end{pmatrix} = 0- ( -M \times -1 + 0 \times 0 + -M \times 0) =-Mσ4?=0?(?M0?M?)×????????100????????=0?(?M×?1+0×0+?M×0)=?M
其中 MMM 是正無窮 +∞+\infin+∞ , ?M-M?M 是負數 ;
三、最優解判定
根據上述四個檢驗數 {σ1=3?2M(負數)σ2=2+M(正數)σ3=?1+2M(正數)σ4=?M(負數)\begin{cases} \sigma_1 = 3 - 2M \quad ( 負數 )\\\\ \sigma_2= 2 + M \quad ( 正數 )\\\\ \sigma_3= -1 + 2M \quad ( 正數 ) \\\\ \sigma_4 = -M \quad ( 負數 ) \end{cases}????????????????????????σ1?=3?2M(負數)σ2?=2+M(正數)σ3?=?1+2M(正數)σ4?=?M(負數)? 的值 , 其中 σ2,σ3\sigma_2 , \sigma_3σ2?,σ3? 檢驗數大于 000 , 該基可行解不是最優解 ;
只有當檢驗數都小于等于 000 時 , 該基可行解才是最優解 ;
四、選擇入基變量
根據上述四個檢驗數 {σ1=3?2Mσ2=2+Mσ3=?1+2Mσ4=?M\begin{cases} \sigma_1 = 3 - 2M\\\\ \sigma_2= 2 + M\\\\ \sigma_3= -1 + 2M \\\\ \sigma_4 = -M \end{cases}????????????????????????σ1?=3?2Mσ2?=2+Mσ3?=?1+2Mσ4?=?M? 的值 , 選擇檢驗數最大的非基變量作為入基變量 , σ3=?1+2M\sigma_3= -1 + 2Mσ3?=?1+2M 最大 , 這里選擇 x3x_3x3? ;
五、選擇出基變量
出基變量選擇 : 常數列 b=(4101)b =\begin{pmatrix} \quad 4 \quad \\ \quad 10 \quad \\ \quad 1 \quad \\ \end{pmatrix}b=???4101???? , 分別除以除以入基變量 x3x_3x3? 大于 000 的系數列 (121)\begin{pmatrix} \quad 1 \quad \\\\ \quad 2 \quad \\\\ \quad 1 \quad \end{pmatrix}???????121???????? , 計算過程如下 (4110211)\begin{pmatrix} \quad \cfrac{4}{1} \quad \\\\ \quad \cfrac{10}{2} \quad \\\\ \quad \cfrac{1}{ 1} \quad \end{pmatrix}????????????14?210?11?????????????? , 得出結果是 (451)\begin{pmatrix} \quad 4 \quad \\\\ \quad 5 \quad \\\\ \quad 1 \quad \end{pmatrix}???????451???????? , 如果系數小于等于 000 , 該值就是無效值 , 默認為無窮大 , 不進行比較 , 選擇 111 對應的基變量作為出基變量 , 查看該最小值對應的變量是 x7x_7x7? , 選擇該 x7x_7x7? 變量作為出基變量 ;
六、更新單純形表
| CBC_BCB? 基變量系數 (目標函數) | XBX_BXB? 基變量 | 常數 bbb | x1x_1x1? | x2x_2x2? | x3x_3x3? | x4x_4x4? | x5x_5x5? | x6x_6x6? | x7x_7x7? | θi\theta_iθi? |
| ?M-M?M ( 目標函數 x6x_6x6? 系數 c6c_6c6? ) | x6x_6x6? | 444 | ?4-4?4 | 333 | 111 | ?1-1?1 | 000 | 111 | 000 | 444 (θ6\theta_6θ6?) |
| 000 ( 目標函數 x5x_5x5? 系數 c5c_5c5?) | x5x_5x5? | 101010 | 111 | ?1-1?1 | 222 | 000 | 111 | 000 | 000 | 555 ( θ5\theta_5θ5? ) |
| ?M-M?M ( 目標函數 x7x_7x7? 系數 c7c_7c7?) | x7x_7x7? | 111 | 222 | ?2-2?2 | 111 | 000 | 000 | 000 | 111 | 111 ( θ7\theta_7θ7? ) |
| σj\sigma_jσj? ( 檢驗數 ) | 3?2M3-2M3?2M ( σ1\sigma_1σ1? ) | 2+M2+M2+M ( σ2\sigma_2σ2? ) | ?1+2M-1 + 2M?1+2M ( σ3\sigma_3σ3? ) | ?M-M?M ( σ3\sigma_3σ3? ) | 000 | 000 | 000 |
總結
以上是生活随笔為你收集整理的【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 )的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 【运筹学】线性规划 人工变量法 ( 单纯
- 下一篇: 【运筹学】线性规划 人工变量法 ( 人工