Operations and optimizations Course Notes 2022/04/13
阿新 • • 發佈:2022-04-14
Written with StackEdit.
線性規劃
一般線勝規劃問題的數學模型
線性規劃模型中的三要素 :
- 約束變數 \(x_{j}\) : 是問題中要確定的未知量.
- 目標函式 (決策變數的函式) \(\mathrm{max/min} z\) (\(\mathrm{max}\) or \(\mathrm{min}\) 取決於優化的目標).
- 約束條件 : 指決策變數取值時受到的各種資源條件的限制, 通常表達為含決策變數函式的等式或不等式.
假定線性規劃問題中含 \(n\) 個變數, 分別用 \(x_{j} (j = 1, \ldots ,n)\) 表示, \(c_{j}\) 為 \(x_{j}\)
應用求和符號可簡寫為:
應用矩陣形式表達可以進一步簡化為:
\[\mathrm{max/min}\ z = \boldsymbol{C}\boldsymbol{X} \] \[\mathrm{s.t.} \begin{cases} \boldsymbol{A}\boldsymbol{X} \leq/ \geq/= \boldsymbol{b}\\ \boldsymbol{X} \geq \boldsymbol{0}\\ \end{cases} \]或
其中 \(\boldsymbol{C} = (c_{1},\ldots,c_{n})\) , \(\boldsymbol{X}=[x_{1},\dots,x_{n}]^{\mathrm{T}}\), \(\boldsymbol{P_{j}}=[a_{1j},\dots,a_{mj}]^{\mathrm{T}}\), \(\boldsymbol{b}=[b_{1},\dots,b_{m}]^{\mathrm{T}}\), \(\boldsymbol{A}\) 稱為約束方程組/約束條件的係數矩陣,其形式為:
\[\boldsymbol{A} = \begin{bmatrix} a_{11} & \cdots & a_{1j} & \cdots & a_{1n} \\ \vdots & \ddots & \vdots & \ddots & \vdots\\ a_{i1} & \cdots & a_{ij} & \cdots & a_{in}\\ \vdots & \ddots & \vdots & \ddots & \vdots\\ a_{m1} & \cdots & a_{mj} & \cdots & a_{mn} \end{bmatrix}\]線性規劃模型的標準形式與一般形式的標準化
- 目標函式必須為 \(\mathrm{max}\) : $$\mathrm{max}\ z =\sum_{j=1}^{n} c_{j}x_{j} $$
例如: $$\mathrm{min}\ z^{\prime} = -\mathrm{max}\ z,\quad z^{\prime} = -z;$$ - 約束條件的右端項 \(b_{j}\) 必須大於零 (將小於零的一行兩邊同時乘以 \(-1\));
- 約束條件為等式 :將不等號變為等號, 通過補充非負變數 (+鬆弛變數/-剩餘變數);
- 所有決策變數必須 \(x_{j} \geq 0\). 注: 若存在取值無約束的變數可令 \(x = x^{\prime} - x^{\prime \prime}, x^{\prime}\geq 0, x^{\prime \prime}\geq0.\)