23、线性规划与无约束非线性规划全解析

线性规划与无约束非线性规划全解析

线性规划基础

线性规划在优化领域至关重要。在求解线性规划问题时，单纯形算法是常用方法。通过将表格转化为关于某个变量的规范形式，可得到单纯形表。例如，将特定表格转化为关于 (x_1) 的规范形式后，得到了对应的单纯形表。该表的基本可行解为 (x_1 = ) ，(x_2 = ) ，(s_1 = 0) ，(s_2 = 0) ，函数值为 (f = – ) 。当单纯形表中目标函数的系数均为正时，当前的基本可行解即为最优解。

单纯形算法沿着可行区域的边界移动以寻找最优解。在标准线性规划问题中，可行区域通常是一个多边形，在某些情况下是四边形。初始单纯形表的基本可行解在 (x_1 = 0) ，(x_2 = 0) 处。依据单纯形算法的规则，该方法会移动到四边形的相邻顶点，从而降低目标函数值。

然而，并非所有线性规划问题都能直接应用单纯形法。标准线性规划问题要求变量非负，且约束条件的右侧常数也非负。在一些问题中，将其转化为标准形式并非易事。此时，需要引入人工变量，并使用两相单纯形法和对偶单纯形法等变体。

线性规划的高级概念

线性规划还有两个重要的高级概念：对偶性和内点法。

对偶性

对偶性是线性规划中的重要概念。每个线性规划问题（原问题）都有一个对应的对偶问题。原问题和对偶问题有一些共同特征，但形式不同。对偶性的作用在于，原问题和对偶问题的解存在有趣的关系。在某些情况下，求解对偶问题在计算上可能比求解原问题更方便。

例如，对于一个原问题，其矩阵表示如下：
- 目标函数：（11.98）
- 约束条件：（11.99）（11.100）