(本科）第4章 对偶线性规划与灵敏度分析 教学ppt课件.ppt

(本科）第4章 对偶线性规划与灵敏度分析 教学ppt课件21世纪高等院校公共课精品教材管理运筹学管理运筹学董银红 付丽丽 编著东 北 财 经 大 学 出 版 社Dongbei University of Finance&Economics PressCONTENTS第4章 对偶线性规划与灵敏度分析对偶性是线性规划最重要的内容之一，也是线性规划早期研究的最重要成果之一。每一个线性规划问题必然有与之相伴而生的另一个线性规划问题，其中一个问题称为原问题，另一个称为对偶问题。这两个问题之间存在着非常密切的关系。本章主要涉及对偶的三个问题：一是给定了原问题，如何写出其对偶问题；二是研究原问题和对偶问题之间的关系；最后给出解线性规划的对偶单纯形方法。CONTENTS4.1 原问题与对偶问题在对称形式下，原问题与对偶问题有如下关系：原问题中求目标函数极大值，对偶问题中为求目标函数极小值；原总是中约束条件个数等于对偶问题中变量的个数，原问题中变量的个数等于对偶总是中的约束条件个数；原问题中约束条件符号为，对偶问题中约束条件符号为；原问题目标函数的系数是其对偶问题约束条件的右端项，而原问题约束条件的右端项则是其对偶问题目标函数的系数。CONTENTS4.1 原问题与对偶问题但是，并非所有线性规划都具有上述对称形式，对于一般情况下线性规划问题的对偶问题，可以分以下几种情况来讨论： 1. 等号约束问题【定理【定理4.1】如果原始问题的约束条件是等式，则对偶问题中的变量无符号限制。2. 极大化目标函数、约束条件为的问题【定理定理4.24.2】 如果极小化原始问题中的约束条件（不包括变量非负约束）为，则对偶问题中的变量具有非正（0）约束。CONTENTS4.1 原问题与对偶问题于是可得到下面的推论：【推论4.1】 如果原始问题中的变量无符号限制，则对偶问题中的约束条件为等式约束。【推论4.2】 如果原始问题中的变量具有非正（0）约束，则极小化对偶问题的约束条件为 约束。CONTENTS4.1 原问题与对偶问题为了更好地理解以上结论，给出如下例子。【例4-2】 写出以下原始问题的对偶问题： max z=2x1-x2+4x3+x4 x1+3x2-x3+5x412s.t. -2x1-2x2+3x3-2x4=25 3x1+x2-2x3+x418 x10 x20 x3:unr x40 CONTENTS4.1 原问题与对偶问题极大化问题极大化问题（max）极小化问题极小化问题（min）约束约束 a aijijx xi icj jy yj j0 0变量变量 a aijijx xi i=c=cj jy yj j:unr:unr a aijijx xi icj jy yj j0 0变量变量x xi i0 0 a aijijy yj jb bi i约束约束x xi i:unr:unr a aijijy yj j=b=bi ix xi i0 0 a aijijy yj jb bi i 通过对称形式和一般形式的讨论，可以对原始问题和对偶问题之间的关系做出如下总结： CONTENTS4.2 对偶问题的基本性质1. 对称性：对偶问题的对偶是原问题。设原始问题为：max z=CTXs.t. AXb (P) X0根据定义，对偶问题为：min =bTYs.t. ATYC (D) Y0CONTENTS4.2 对偶问题的基本性质2. 弱对偶性极小化原始问题的任一可行解的目标函数值总是大于或等于极大化对偶问题的任一可行解的目标函数值。也就是说，若 是原问题的可行解， 是对偶问题的可行解。则恒有： 。这就是弱对偶定理，其证明如下：证明：设原始问题为max z=CTXs.t. AXb (P) X0则对偶问题为：min =bTYs.t. ATYC (D) Y0TTc xb yCONTENTS4.2 对偶问题的基本性质3.最优性如果XF和XF分别是原始问题和对偶问题的可行解，并且它们对应的目标函数值相等，则XF和XF分别是原始问题和对偶问题的最优解。即可行解是最优解时的性质：设是原问题的可行解，是对偶问题的可行解，当z=CTX= bTY =w时，X，Y是最优解。证明如下：证明：设XF 是原问题的最优解，YF 是其对偶问题的最优解由弱对偶性， CTXFbTYF可知CTX CTXF bTYFbTY又由已知 z=CTX= bTY =w所以CTX =CTXF=bTYF=bTY即X也是原问题的最优解，Y也是其对偶问题的最优解。CONTENTS4.2 对偶问题的基本性质4.无界性如果原始问题和对偶问题中的任一个目标函数无界，则另一个必定无可行解。注意这个性质的逆命题不成立，即一个问题无可行解，不能推得另一个问题目标函数无界。事实上，一对原始对偶问题都没有可行解的情况是存在的。 CONTENTS4.2 对偶问题的基本性质5.对偶定理若原问题及其对偶问题均具有可行解，则两者均具有最优解，且它们的最优解的目标函数值相等。证明：由于原问题及其对偶问题均具有可行解，根据弱对偶性，可以确定原问题的目标函数具有上界，对偶问题的目标函数具有下界，因此两者均具有最优解。设原问题的最优基为B，对应的基础最优解为X，通过单纯形法可知，原问题的最优值为z=CTX= B-1b，且CT B-1A0TBCTBCCONTENTS4.2 对偶问题的基本性质对于对偶问题，令YT= B-1，则由上式可得AYTCT又由于Y是对偶问题的可行解，其对应的目标函数值w =YTb= B-1 b所以有 z=CTX= bYT = w可知，当原问题为最优解时，其对偶问题的解为可行解，且有z =w，由最优性，这时两者的解均为最优解，且它们的目标函数值相等。 TBCTBCCONTENTS4.2 对偶问题的基本性质6.互补松弛关系【定理4.3】 若X=(x1，x2，xn)T和Y=(y1，y2，ym)T分别是原始问题和对偶问题的最优解，则有或用矩阵向量表示为 110(1,2, )()0(1,2,)mijijjinijjiija ycxjna xb yim（）()0,()0TTTYAXbXcA YCONTENTS4.2 对偶问题的基本性质证明：设原始问题为max z=CTXs.t. AXb (P)X0则对偶问题为：min z=bTYs.t. ATYC (D)Y0 CONTENTS4.2 对偶问题的基本性质【推论推论4.34.3】 由于Xo，Yo分别是原始对偶问题的最优解，因此在以上两式中，有100(1,2, )00(1,2,)ojoTjjoinoijjijxcYjnYa xbimaCONTENTS4.2 对偶问题的基本性质【推论推论4.44.4】 若原始问题的最优解Xo对于某一个约束i，有 则对偶问题最优解中该约束对应的对偶变量 Yio=0反之，若在对偶问题的最优解中，第i个对偶变量 Yio0则原始问题最优解对于相应的第i个约束是等号约束，即 也就是说，原始问题最优解中的第i个松弛变量等于0。1noijjija xb1noijjija xbCONTENTS4.2 对偶问题的基本性质【定理定理4.44.4】 若向量 和 分别是原始问题和对偶问题的最优解，当且仅当它们满足以下三个条件：（1）X、XS是原始问题 min z=CTX s.t.AX-Xs=b(P)X，Xs0的可行解。这个条件称为原始可行条件。SXXSyyCONTENTS4.2 对偶问题的基本性质（2）Y、Ys是对偶问题max z=bTYs.t. ATY+Ys=C (D) Y，Ys0的可行解。这个条件称为对偶可行条件（Dual Feasible Condition，DFC）。（3）X、Xs、Y、Ys满足 YTXs=0 YsTX=0这个条件称为互补松弛条件（Complementary Slackness Condition，CSC）。CONTENTS4.2 对偶问题的基本性质综上所述，单纯形法和Kuhn-Tucker条件的关系可叙述如下：在单纯形迭代过程中，如果当前基B是原始可行基而不是最优基，则（1）原始问题相应的解X、Xs满足原始可行条件；（2）对偶问题相应的解YT=CBTB-1、YsT=CT-YTA中至少有一个不满足对偶可行条件；（3）X、Xs、Y、Ys在单纯形叠代的每一步，都满足互补松弛关系。当B不仅可行，而且是最优基时，对偶问题相应的解YT=CBTB-1、YsT=CT-YTA才满足对偶可行条件。因此，可以把单纯形法看成在原始可行条件和互补松弛条件得到满足的条件下，不断改进对偶可行条件的过程，一旦三个条件都得到满足，也就得到了最优解。CONTENTS4.2 对偶问题的基本性质7. 互补基解线性规划的原问题及其对偶问题之间存在一对互补的基解，其中原问题的松驰变量对应对偶问题的变量，对偶问题的剩余变量对应原问题的变量；这些互相对应的变量如果在一个问题的解中是基变量，则在另一问题的解中是非基变量； 将这对互补的基解分别代入原问题和对偶问题的目标函数有z=y。证明：因为Zj -Cj =CBB-1Pj - Cj =YT Pj - Cj所以，YT Pj -（Zj -Cj）= Cj也就是 -（Zj -Cj）= Cj1mijiia yCONTENTS4.3 对偶单纯形法由上一节知道，线性规划取得最优解的充分必要条件是原始可行、对偶可行和互补松弛条件同时满足。同时，也曾指出，单纯形迭代过程实际上是在满足原始可行条件和互补松弛条件的基础上，不断改进对偶可行性的过程，一旦对偶可行条件得到满足，就得到了最优解。对偶单纯形法则是从另一角度来进行的。对偶单纯形法在迭代过程中保持对偶可行条件和互补松弛条件满足，并且在迭代过程中不断改进原始可行条件。一旦原始可行条件得到满足，也就求得了最优解。为了说明对偶单纯形法原理，先建立有关概念和定理。CONTENTS4.3 对偶单纯形法【定义定义4.14.1】 （对偶可行基）设B为原始问题的一个基，若XT=CBTB-1是对偶问题的可行解，则称B为原始问题的对偶可行基。【定理定理4. 54. 5】 若基B既是原始问题的可行基，又是原始问题的对偶可行基，则B必定是原始问题的最优基。证明：因为B是原始问题的可行基，因此1BNXB bX0X0CONTENTS4.3 对偶单纯形法同时因为B是对偶可行基，根据对偶可行基的定义，X XT=C CBTB B-1满足对偶问题的约束条件，即XTACTXT0或：CBTB-1A-CT0T-C CBTB B-10 0T以上两个条件，就是：zjcj0,j=1, 2, , n, n+1, , n+m因此，B B是原始问题的最优基。CONTENTS4.3 对偶单纯形法对偶单纯形法的计算步骤如下：（1）确定换出基的变量：存在小于零的bi 时，令 br =min bi ，其对应变量xr 为换出基的变量（2）确定换入基的变量：为使迭代后表中第r行基变量为正值，因而只有对应rj 0（j=m+1，n）的非基变量才可以考虑作为换入基的变量；为使迭代后表中对偶总是的解仍为可行解，令：称r，S 为主元素，xs 为换入基的变量。min0jjjjrjjrjrjczczaaaCONTENTS4.3 对偶单纯形法（3）用换入变量替换换出变量，得到一个新的基。用新的基再检查是否所有bi（i=1，2，m，）。如果是，找到了问题的最优解，如果否，回到第一步再重复计算。由对偶问题的基本性质知，当对偶问题存在可行解时，原问题可能存在可行解，也可能无可行解，对出现后一种情况的判别准则为：对br 0，而对所有j=1，n，有rj 0。因为在这种情况下，如把表中第r行的约束方程列出有因rj 0（j=m+1，n），又br 0时，有 ，这表明生产过程中如果某种资源bi 未得到充分利用时，该种资源的影子价格为0；又当资源的影子价格不为0时，表明该种资源在生产中已消耗完毕。从影子价格的含义上再来考察单纯形法的计算。1, (1,2,)nijjija xbim1,(1,2,)nijjija xbimCONTENTS4.4 线性规划对偶问题的经济解释（4）记 ，式中 代表第j种产品的产值， 是生产该种产品所消耗各种资源的影子价格的总和，即产品的隐含成本。当产品产值大于隐含成本时，表明生产该项产品有利，可在计算中安排，否则用这些资源来生产别的产品更为有利，就不在生产计划中安排。这就是单纯形法中各个检验数的经济意义。（5）一般讲，对线性规划问题的求解是确定资源的最优分配方案，而对于对偶问题的求解则是确定对资源的恰当估价，这种做人直接涉及资源的最有效利用。11mijBjjijiicC B Pca yjcjc1mijiia yCONTENTS4.4 线性规划对偶问题的经济解释4.4.2 互补松弛关系的经济解释互补松弛关系的经济解释互补松弛关系在经济学中应用也十分广泛，尤其是结合线性规划问题的对偶形式，更能体现线性规划模型和实际应用之间的关系。在考虑互补松弛条件的时候，一般会考虑以下几种情形：（1）若在最优生产计划下，第i种设备的能力大于这种设备实际耗用，或者说第i种设备能力有剩余，这种设备的微小增加对利润没有影响，按边际贡献的概念，有0ooiizxbCONTENTS4.4 线性规划对偶问题的经济解释在这种情况下，原问题最优解中会有：在这种情况下，第i种设备开工的机会成本小于实际成本，松弛变量xm+j0，对降低总成本来说，这种设备不开工更为有利，即Yi=0。于是互补松弛关系ixm+j=0成立。反之，如果在最优解中，某一种设备开工，即Yi0，可以肯定，这种设备的实际成本与机会成本相等，即可以断定这种设备能力没有剩余, 即松弛变量xm+j=0，从而同样满足互补松弛条件Yixm+j=0也成立。1(1,2,)nijjija xbim1(1,2,)nijjija xbimCONTENTS4.4 线性规划对偶问题的经济解释（2） 如果在最优设备运行计划下，第i种产品的实际生产量超过需求量，也就是说某种产品的机会成本高于这种机会成本高于这种产品的利润，产品的利润，此时有：而松弛变量Yn+i0这时再增加一个单位需求，不会影响设备运行计划，即对最小成本没有影响，在这种情况下，最优解中这种产品一定不会安排生产，因此有即影子价格等于0。于是互补松弛关系Yn+ixi=0成立。1(1,2, )mijijia ycjn0(1,2,)ooiizximbCONTENTS4.4 线性规划对偶问题的经济解释反之，如果某一种产品需求的影子价格xi0，这时产品需求每增加一个单位将会引起总成本zo的增加，这说明实际生产这种产品的数量恰等于需求量，即或松弛变量 Yn+i=0，于是互补松弛关系 Yn+ixi=0成立。1(1,2, )mijijia ycjnCONTENTS4.4 线性规划对偶问题的经济解释4.4.3 最大利润问题以及对偶问题的经济解释最大利润问题以及对偶问题的经济解释各种设备能力的边际利润率为： 由此可知，对偶问题最优解中对偶变量xio(i=1,2,m)的值就是相应设备的能力对总利润的边际贡献。xio也成为相应设备能力约束的影子价格，xio越大，表明相应的设备能力每增加一个单位，引起总利润的增加越大，也就是说，相对于最优生产计划来说，这种设备能力比较紧缺；xio较小，表明设备能力相对不紧缺；xio=0，说明在最优生产计划下第I种设备能力有剩余。(1,2,)ooiizwimbCONTENTS4.4 线性规划对偶问题的经济解释4.4.4 关于弱对偶定理的经济学解释关于弱对偶定理的经济学解释弱对偶定理说明了这样一个事实：极大化原始问题的任一可行解的目标函数值总是小于或等于极小化对偶问题的任一可行解的目标函数值。对于最大利润问题，定理2.4的形式成为CTXYTAXYTb上式种左边的不等式，是由于某些产品的利润率和机会成本不相等引起的，即C CTY YTA A。当取得最优解时，由于互补松弛条件的作用，凡机会成本和利润率不相等的产品都将不安排生产，因而使得不等式成为等式。CONTENTS4.4 线性规划对偶问题的经济解释右边的不等式是由于某些设备的实际耗用小于设备的实际能力引起的，即AXAXb b同样由于互补松弛条件，实际耗用和能力不等的这些设备，影子价格都等于零，从而使右边的不等式也成为等式。这样，当原始和对偶问题都取得最优解时，有CTX=YTAX=YTbCONTENTS4.4 线性规划对偶问题的经济解释4.4.5 经济解释的例子经济解释的例子 【例例4-54-5】 某工厂拥有A、B、C三种类型的设备，生产甲、乙、丙、丁四种产品。每件产品在生产中需要占用的设备机时数，每件产品可以获得的利润以及三种设备可利用的时数如表4-3所示，用线性规划制订使总利润最大的生产计划。CONTENTS4.4 线性规划对偶问题的经济解释 【例例4-64-6】 求解表4-4中的利润最大问题：CONTENTS4.4 线性规划对偶问题的经济解释由此可以清楚地看出，资源剩余量和影子价格之间以及“机会成本利润率”和产品产量之间的互补松弛关系（表中箭头表示“一个变量大于零，导致另一个变量等于零”的互补松弛关系）。可以看出最优解中产品不安排生产的原因是这种产品的机会成本高于利润率。一般来说，一种产品在最优解中是否安排生产，不仅与这种产品的利润率有关，还与这种产品对资源的消耗以及各种资源的紧缺程度有关。而线性规划模型，正是提供了对以上诸多因素进行系统分析的工具。CONTENTS4.5 灵敏度分析灵敏度分析是指对系统或事物因周围条件变化显示出来的敏感程度的分析。在以前讨论线性规划问题时，假定 都是常数。但实际上这些系数往往是估计值和预测值。如市场条件一变， 值就会变化； 往往是因工艺条件的改变而改变； 是根据资源投入后的经济效果决定的一种决策选择。因此提出这样两个问题：（1） 当这些参数有一个或几个发生变化时，已求得的线性规划问题的最优解会有什么变化； 或者这些参数在什么范围内变化时，线性规划问题的最优解不变。（2）当线性规划问题增加一个新的变量或新的约束，如何在原来最优解的基础上获得新的最优解。这就是灵敏度分析所要解决的问题。,ijija b cjcijaibCONTENTS4.5 灵敏度分析灵敏度分析的步骤如下：（1）将参数的改变计算反映到最终单纯形表上：按下列公式计算出由参数 的变化而引起的最终单纯形表上有关数字的变化：（2）检查原问题是否仍为可行解；（3）检查对偶问题是否仍为可行解；111iimjjjjijiibBbPBPczcza y CONTENTS4.5 灵敏度分析（4）按下表所列情况得出结论和决定继续计算的步骤原问题原问题对偶问题对偶问题结论和决定继续计算的步骤结论和决定继续计算的步骤可行解可行解非可行解非可行解可行解非可行解可行解非可行解仍为问题最优解用单纯形法继续迭代求最优解用对偶单纯形表继续迭代求最优解引进人工变量，编制新的单纯形表，重新计算CONTENTS4.5 灵敏度分析4.5.1 目标函数系数目标函数系数C的变化范围的变化范围C C中元素cj的变化范围与相应的变量xj是基变量还是非基变量有所不同，下面分别就这两种情况来讨论。m个基变量xBr（r=1,2,m）检验数为：110010TBrBrBBrBrBBrBmBrzcccccc C B aCONTENTS4.5 灵敏度分析n-m个非基变量xj的检验数为：设某一个基变量xB在目标函数中的系数为cB， 当这个基变量xB的系数cB 变化成为cB=cB+ 时，m个基变量xBr在目标函数中的系数为：即基变量xB在目标函数中的系数cB的变化，在最优解中只会影响这个基变量的检验数，其他基变量的检验数不会变化。如果检验数zB-cB-0，则原来的最优基仍保持为最优基，如果检验数zB-cB-0，则原来的最优基不再是最优基，新的最优基可以通过将xB进基，并进行后续的单纯形迭代，得到新的最优基和最优解。 1 BrBrTBrBrBBrBrBBBBzcBrBzcczczcBrBC B aCONTENTS4.5 灵敏度分析设某一个非基变量xk在目标函数中的系数为ck，当这个非基变量xk的系数ck 变化成为ck=ck+ 时，由上式可知，对基变量的检验数没有影响，所有基变量的检验数仍为0。当这个非基变量xk的系数ck 变化成为ck=ck+ 时，n-m个非基变量xj在目标函数中的系数为：即非基变量xk在目标函数中的系数ck的变化，在最优解中只会影响这个非基变量在目标函数中的系数，其他非基变量的系数不会变化。如果检验数zk-ck-0，则原来的最优基仍保持为最优基，如果检验数zk-ck-0，则原来的最优基不再是最优基，新的最优基可以通过将xk进基，并进行后续的单纯形叠代，得到新的最优基和最优解。 1 jjTjjBjjkkkkzcjkzcczczcjkC B aCONTENTS4.5 灵敏度分析 【例【例4-7】 线性规划问题为： max z=2x1-x2+x3 x1+x2+x36 s.t. -x1+2x24 x1,x2,x30 求c2=-1在什么范围内变化，原来的最优基保持不变；当c2=3时，最优基是否变化，如果变化，求新的最优基和最优解。CONTENTS4.5 灵敏度分析 4.5.2 右边常数右边常数b的灵敏度分析的灵敏度分析当右边常数向量b b发生变化，成为b b时，对变量的检验数没有影响，而单纯形表中的右边常数将变成 。即右边常数向量的变化只会影响最优基的原始可行性而不会影响其对偶可行性。当变化以后的 时，原来的最优基仍为最优基，否则，原来的基成为对偶可行基但不是原始可行基，这时要用对偶单纯形法求得新的最优基。1TjjBjjzccC B a 1 bB b 1 bB b0CONTENTS4.5 灵敏度分析 【例【例4-8】 对以下线性规划问题中第一个约束右边常数b1=9进行灵敏度分析。 max z=-x1-x2+4x3 x1+x2+2x39 s.t. x1+x2-x32 -x1+x2+x34 x1,x2,x30CONTENTS4.5 灵敏度分析4.5.3 增加一个新的变量增加一个新的变量当前最优基是B B。设新增加的变量xj在目标函数中的系数为cj，在约束中的系数向量是a aj，计算 ， 在原单纯形表中增加一个新的变量以及新的一列，将以上系数置于原单纯形表中，构成新的单纯形表。若新变量的检验数zj-cj0，则原来的基仍为最优基，原来的基变量以及基变量的值保持不变，新的变量xj=0是非基变量。否则xj进基，用单纯形法继续运行，直至获得新的最优基和最优解。1jjYB a1TjjBjjzccC B aCONTENTS4.5 灵敏度分析【例【例4-94-9】线性规划问题maxz=2x1-x2+x3 x1+x2+x36s.t. -x1+2x24 x1,x2,x30 中，增加一个新的变量x6，它在目标函数中的系数c6=-1，在约束条件中的系数向量为 ，求新的最优基和最优解。612aCONTENTS4.5 灵敏度分析4.5.4 增加一个新的约束增加一个新的约束增加一个新的约束以后，如果原来的最优解满足新的约束，则原来的最优解仍是新问题的最优解，否则，最优解将发生变化。 【例【例4-10】 设线性规划问题为 max z=2x1-x2+x3 x1+x2+x36 s.t. -x1+2x24 x1,x2,x30 CONTENTS4.5 灵敏度分析列出原问题的最优单纯形表：增加一个约束-x1+2x22，求新的最优基和最优解。CONTENTS4.5 灵敏度分析4.5.5 约束矩阵中系数的灵敏度分析约束矩阵中系数的灵敏度分析1. A矩阵中非基变量系数的灵敏度分析非基变量xj对应的非基列向量a aj中元素的变化，只会影响这个非基变量在目标函数中的系数而且，由于列向量a aj不在基B B中，因此a aj中元素的变化不会影响 。当a aj中的第r个元素arj变成arj=arj+时，变量xj的检验数为 1TTjjBjjjjzcccC B aW a1 1jTTrjjjjjrmjjjrmjaazccwwwccwaW aW aCONTENTS4.5 灵敏度分析当基的对偶可行性保持不变，由此可以得到的变化范围。【例【例4-114-11】 在例4-4max z=-x1-x2+4x3 x1+x2+2x39s.t. x1+x2-x32 -x1+x2+x34 x1,x2,x30中，对变量x2在第一个约束中的系数a12=1进行灵敏度分析。 0TjjjjrzccwW aCONTENTS4.5 灵敏度分析2. A矩阵中基变量系数的灵敏度分析要象非基变量在约束矩阵中的系数一样，来确定基变量在约束条件中系数的变化范围，是十分困难的，在这里不作讨论。对于基变量在约束条件中的系数，仅考虑当其中一个元素变化时如何求得新的最优解。【例【例4-124-12】 对于例4-7中的线性规划问题:max z=2x1-x2+x3 x1+x2+x36s.t. -x1+2x24 x1,x2,x30已经得到它的最优单纯形表。其中，x1是基变量，当x1在约束条件中的系数向量 变为 时，求新的最优解。 111a136 aCONTENTS4.5 灵敏度分析当约束条件右端项连续变化时，其参数线性规划的形式为：式中 为原线性规划问题的资源向量， 为变动向量， 为参数。 jcmax ( ). .0zCXAXbbstXbbCONTENTS4.5 灵敏度分析参数线性规划问题的分析步骤为：（1）令 =0求解得最终单纯形表；（2）将 或 项反映到最终单纯形表中；（3）随 值的增大或减小，观察原问题或对偶问题，一是确定表中现有解（基）允许 值的变动范围，二是当 值的变动超出这个范围时，用单纯形法或对偶单纯形法求取新的解；（4）重复第3步，一直到 继续增大或减小时，表中的解（基）不再出现变化时为止。 bCCONTENTS4.5 灵敏度分析【例例4-134-13】 分析 值变化时，下述线性规划问题最优解的变化。 122121212max ( )23312. .5,0zxx sxxxstxxx xCONTENTS4.6线性规划问题算法简要介绍已经知道，解决同一种问题可以有多个算法，比较和衡量这些算法的好坏通常采纳的主要标准是看这种方法解决该问题所花费时间。但是一个算法的执行时间与很多因素有关，首先与所使用计算机的性能有关，其次与需要求解的具体问题有关，为了使衡量算法的好坏有一个比较科学客观的标准，必须消除与算法无关的因素所产生的干扰，为此经常采取以下办法。首先假定算法是在理想计算机执行的。理想计算机只能进行基本计算：加、减、乘、除、比较大小和转移指令；并且每做一次基本运算都需要一个单位的时间。这样，算法的执行时间就可以用算法中需要执行的基本运算总次数来衡量。从而，消除了计算机本身的不确定因素。当然，用一个算法计算同一种问题的各个不同的具体问题时，所需要的基本运算总次数也是不同的。 CONTENTS4.6线性规划问题算法简要介绍什么样的算法认为是实际有效的呢？现在大家有一个普遍的看法，认为解一种问题的某个算法，仅当其复杂性随输入规模的增加而呈多项式增长时，这个算法才是实际有效的，称这样的算法为多项式时间算法。一个算法如果它的复杂性函数不能被输入规模的一个多项式所界定，称其为指数时间算法。多项式时间算法具有很多优点。首先，当输入规模增大时，任意一个多项式时间算法就会变得比任一个指数时间算法更有效。其次，多项式时间算法在某种意义上很好的利用了技术进步性。最后，多项式算法具有“封闭”的性质。因而，一种问题如果已有了一个多项式算法，就称是容易解决的，称它属于P类问题。 CONTENTS4.6线性规划问题算法简要介绍具体说来，尽管单纯性算法有许多优势，但是也有许多缺点：(1)迭代次数随着约束条件和变量数目的增加而迅速上升。(2)将线性规划应用到生产计划的调整或实时控制等问题时，单纯形方法不能利用现行方案或状态所对应的可行解作为初始解。 (3)单纯形方法是终止于原始和对偶的最优基.在退化情况下，虽然己达到了最优解，但是，为了证明它是最优的，往往还需要经过很多次基的迭代。 CONTENTS4.6线性规划问题算法简要介绍经过Todd、Burrell、Ross等人对Karmarkar算法的深入研究，现己发展成三类内点算法：(1)势函数投影变换方法(Karmarkar算法)：每步迭代，先作投影变换，将迭代点变换到可行域的中心，然后在中心对势函数使用最速下降步骤。(2)仿射均衡变换方法：每步迭代，先作仿射均衡变换，然后使用最速下降步骤。实际计算表明，效果较好，但是还不能确定它是否具有多项式复杂性。 (3)跟踪中心轨迹方法：“中心轨迹”的概念最早由Huard和Sonnevend提出.跟踪中心轨迹算法是将对数障碍函数法和牛顿迭代法结合起来应用到线性规划问题。最近，已将跟踪中心轨迹方法推广应用到二次凸规划问题，且正进一步发展为从复杂性角度研究一般的非线性规划的内点算法。