线性规划--概要
线性规划
式约束的条件下,使一个线性函数达到极值。即。目标函数与约束均为线性的规划称为线性规划。
常见形式
线性规划是凸优化
凸优化:
在凸集上的凸函数规划,称为凸规划。
可证明,线性集合是凸集,其满足
线性函数是凸函数, 即
但非严格凸。
统一形式
为了方便统一求解,得出线性规划的统一形式:
当中。通过引入松弛变量。把不等式变为等式。
进而能够写成矩阵的形式:
当中A称为约束矩阵。
可行解
在约束矩阵A的限制下,我们得到一个可行域,可行域里的解称为可行解。
那么求解可行域,也就是一个求解线性方程组的过程。
一般而言。A的秩m<<n。线性方程组Ax=b有无穷个解。我们取当中的m个线性无关向量为其基向量,设其它的非基向量系数 为0。就得到了约束方程A的一个解。称为基解。
定理:如线性规划存在可行解,则它必然存在基可行解是最优解。(证略)
即。若线性规划有最优解,仅仅需从基可行解中寻找就可以。
基变量规范式
不失一般性的。我们如果前k个列向量是基变量,把如上的矩阵形式写成分块矩阵形式:
继续变换。把分块形式推导成例如以下形式:
定理:x是相应于基B的基可行解,全体判别数非负。则x为最优解
证:我们看目标函数
分为两个部分。第一部分关于基向量B。为一个确定的数,之后为全部的非基向量。假设第二项系数非负。那么有:
即假设使这项系数为0,能够得到更优的解;取这些非基向量系数全为0,则可行解x为最优解。
那么,我们就能够不断地迭代不同的基向量,当所述确定因子满足整个非负,得到最优解。相应的方法是简单的方法。
版权声明:本文博客原创文章,博客,未经同意,不得转载。