860 likes | 1.18k Views
对 偶 理 论 (Duality Theory). 对偶问题的提出. 线性规划的对偶理论. 对偶问题的经济解释 ---- 影子价格. 对 偶 单 纯 形 法. 灵 敏 度 分 析. 单件 产 消耗 品 资源. 甲. 乙. 资源限制. A. 5. 2. 170 (钢材). B. 2. 3. 100 (煤炭). C. 1. 5. 150 (设备). 单件利润. 10. 18.
E N D
对 偶 理 论 (Duality Theory) 对偶问题的提出 线性规划的对偶理论 对偶问题的经济解释----影子价格 对 偶 单 纯 形 法 灵 敏 度 分 析
单件 产 消耗 品 资源 甲 乙 资源限制 A 5 2 170(钢材) B 2 3 100(煤炭) C 1 5 150(设备) 单件利润 10 18 对偶性是线性规划问题的最重要的内容之一。每一个线性规划( LP)必然有与之相伴而生的另一个线性规划问题,即任何一个求 maxZ 的LP都有一个求 minZ 的LP。其中的一个问题叫“原问题”,记为“P”,另一个称为“对偶问题”,记为“D”。 一、问 题 的 提 出 例一、资源的合理利用问题 已知资料如表所示,问应如何安排生产计划使得既能充分利用现有资源有使总利润最大?
下面从另一个角度来讨论这个问题: 假定:该厂的决策者不是考虑自己生产甲、乙两种产品,而是将厂里的现有资源用于接受外来加工任务,只收取加工费。试问该决策者应制定怎样的收费标准(合理的)?
分析问题: 1、每种资源收回的费用不能低于自己生产时的可获利润; 2、定价又不能太高,要使对方能够接受。
一般而言,W 越大越好,但因需双方满意,故 为最好。 该问题的数学模型为:
例二、合理配料问题,其数学模型为: 假设工厂想把这m种营养成分分别制成一种营养丸销售,问如何定价(以保证总收入为最多)?
二、线性规划的对偶理论(一)、对偶问题的形式二、线性规划的对偶理论(一)、对偶问题的形式 1、对称型对偶问题:已知P,写出 D。
例一、写出线性规划问题的对偶问题 解:首先将原式变形
注意:以后不强调等式右段项 b≥0,原因在对偶单纯型表中只保证 而不保证 ,故 b可以是负数。
例三、 原问题
对偶的定义 min W= Y b s.t. YA ≥ C Y ≤ 0 max Z=C X s.t. AX≥b X ≥0 对偶的定义 (二)、对偶问题的性质 1、对称性定理:对偶问题的对偶是原问题。 min Z’= - CX s.t. - AX≤- b X ≥0 max W’ = -Yb s.t. YA≥ C Y ≤ 0
2、弱对偶原理(弱对偶性):设 和 分别是问题(P)和(D)的可行解,则必有 推论⑴.若 和 分别是问题(P)和(D)的可行解,则 是(D)的目标函数最小值的一个下界; 是(P)的目标函数最大值的一个上界。
如: (原) 无界 关于无界性有如下结论: 原问题 对偶问题 (对) 问题无界 无可行解 问题无界 无可 行解 推论⑵.在一对对偶问题(P)和(D)中,若其中一个问题可行但目标函数无界,则另一个问题不可行;反之不成立。这也是对偶问题的无界性。 无可行解
推论⑶.在一对对偶问题(P)和(D)中,若一个可行(如P),而另一个不可行,(如D),则该可行的问题无界。推论⑶.在一对对偶问题(P)和(D)中,若一个可行(如P),而另一个不可行,(如D),则该可行的问题无界。 例一、 (P) 试估计它们目标函数的界,并验证弱对偶性原理。
由观察可知: =(1.1.1.1)T, =(1.1),分别是(P)和(D)的可行解。Z=10 ,W=40,故有 ,弱对偶定理成立。由推论⑴可知,W的最小值不能小于10,Z的最大值不能超过40。 < 解: (D)
解: =(0.0.0)T是 P 的一个可行解,而 D 的第一个约束条件不能成立(因为y1 ,y2 ≥0)。因此,对偶问题不可行,由推论⑶可知,原问题无界。 例二、已知 试用对偶理论证明原问题无界。
例3、已知 显然,这两个问题都无可行解。
3、最优性判别定理: 若 X* 和 Y* 分别是 P 和 D的可行解且 CX* = Y* b, 则X*. Y*分别是问题 P和D的最优解。 例如,在例1中,可找到 X*=(0.0.4.4)T, Y*=(1.2,0.2),则Z* =28,W* =28.故X* .Y*分别是 P和D 的最优解。
4、对偶定理(强对偶性): 若一对对偶问题 P 和 D都有可行解,则它们都有最优解,且目标函数的最优值必相等。 推论⑷.若 P 和 D 的任意一个有最优解,则另一个也有最优解,且目标函数的最优值相等。 综上所述,一对对偶问题的关系,只能有下面三种情况之一出现: ①.都有最优解,分别设为X* 和 Y*,则必有CX* =Y*b; ②. 一个问题无界,则另一个问题无可行解; ③.两个都无可行解。
5、互补松弛定理: 设X*和Y*分别是问题 P 和 D 的可行解,则它们分别是最优解的充要条件是 同时成立 一般而言,我们把某一可行点(如X*和Y*)处的严格不等式约束(包括对变量的非负约束)称为松约束,而把严格等式约束称为紧约束。所以有如下推论: 设一对对偶问题都有可行解,若原问题的某一约束是某个最优解的松约束,则它的对偶约束一定是其对偶问题最优解的紧约束。
例4、已知 试通过求对偶问题的最优解来求解原问题的最优解。 解:对偶问题为
(4) (1 . 3) (1) (3) (2) 用图解法求出: Y*=(1 . 3), W=11。 将y*1=1, y*2=3 代入对偶约束条件, (1)(2)(5)式为紧约束,(3)(4)为松约束。 令原问题的最优解为X* = (x1.x2.x3.x4.x5)T,则根据互补松弛条件,必有x3 = x4 =0 (5)
又由于y*1>0, y*2>0,原问题的约束必为等式,即 化简为 此方程组为无穷多解 令x5 =0,得到x1=1,x2=2 即X*1 =(1.2.0.0.0)T为原问题的 一个最优解,Z=11。 再令 x5 =2/3,得到x1=5/3,x2=0 即X*2(5/3.0.0.0.2/3)T 也是原问题的一个最优解,Z* =11。
例5、已知原问题的最优解为X* =(0.0.4)T,Z=12 试求对偶问题的最优解。 解: (1) (2) (3)
将X* =(0 . 0 . 4)代入原问题中,有下式: 所以,根据互补松弛条件,必有y*1= y*2=0,代入对偶问题 (3)式, y3 =3。因此,对偶问题的最优解为 Y*=(0 . 0 . 3),W=12。
C CB CN 0 CB XB b XB XN XS CB XB B-1b I B-1N B-1 Z -CB B-1b 0 CN-CB B-1N -CB B-1 利用原问题的最优单纯形表和改进单纯形表求解对偶问题的最优解。 6、对偶问题的解 ⑴.设原问题为: maxZ=CX AX ≤b X≥0 引入xs,构建初始基变量,然后,用单纯形法求解。当检验数满足σj≤0 ,则求得最优解。此时, xs对应的σjs为- Y*,故求对偶Y*,只要将最优单纯形表上xs 对应的检验数反号即可。
初 始 表 最终表
由上表可知: X*=(50/7 . 200/7)T,Z* =4100/7 对偶问题的最优解: Y*=(0 . 32/7 . 6/7),W* =4100/7 也就是外加工时的收费标准。 ⑵.设原问题: maxZ=CX AX=b X≥0 此时,矩阵A中没有现成的矩阵I,必须通过加入人工变量来凑一个单位矩阵,再用大M法或两阶段法求解。 如何求Y* ,经分析得出如下结论: σB =0 最优基变量检验数向量 σI =CI-CB B-1初始基变量检验数向量 σD = CD-CB B-1D 非基变量检验数向量 所以, Y* = CI- σI
所以, X*=(4 . 1 . 9),Z* = 2 初始基变量的检验数σ4 =-1/3,σ6 =1/3-M, σ7 =2/3-M ∴ y*1= (0- σ4 )=1/3 y*2=(-M- σ6 )= -M-(1/3-M)=-1/3 y*3 =(-M- σ7 )= -M-(2/3- M)=-2/3 Y*=(1/3 . -1/3 . -2/3) W* = 2
三、对偶问题的经济解释——影子价格 定义:在一对 P 和 D 中,若 P 的某个约束条件的右端项常数bi 增加一个单位时,所引起的目标函数最优值Z*的改变量y*i称为第 i 个约束条件的影子价格,又称为边际价格。
C CB CN 0 CB XB b XB XN XS CB XB B-1b I B-1N B-1 -Z -CB B-1b 0 CN-CB B-1N -CB B-1 设:B是问题 P的最优基,由前式可知, Z*=CB B-1b = Y*b =y*1b1+ y*2b2+…+y*Ibi+…+y*mbm 当bi变为bi+1 时(其余右端项不变,也不影响B),
目标函数最优值变为: Z′*= y*1b1+ y*2b2+…+y*I ( bi+1 )+…+y*mbm ∴ △Z*= Z′*- Z* = y*i 也可以写成: 即y*i表示Z*对 bi的变化率。 其经济意义是:在其它条件不变的情况下,单位资源变化所引起的目标函数的最优值的变化。即对偶变量yi 就是第 i 个约束条件的影子价格。 也可以理解为目标函数最优值对资源的一阶偏导数(但问题中所有其它数据都保持不变)。
若第i 种资源的单位市场价格为mi,当yi > mi时,企业愿意购进这种资源,单位纯利为yi-mi,则有利可图;如果yi < mi,则企业有偿转让这种资源,,可获单位纯利mi-yi,否则,企业无利可图,甚至亏损。
x2 ( 50/7. 200/7 ) 10 2 0 3 0 4 0 50 3 x1 0 10 20 30 40 50 60 2 1
x2 ( 55/7. 199/7 ) 10 2 0 3 0 4 0 50 3 0 10 20 30 40 50 60 x1 2 1 多了 32/7