1. 模型
常見的線性規(guī)劃模型如下:
max z = cx
s.t. Ax = b
2. 求解步驟
假設(shè)B是基變量集合,通過矩陣的線性變換,基變量可由非基變量表示:
x'i = ci + Σj?Bmi,jx'j (i∈B)
目標(biāo)函數(shù)z也可以完全由非基變量表示:
z = z0 + Σj?Bcjx'j
當(dāng)達到最優(yōu)解時,目標(biāo)函數(shù)中所有的系數(shù)c≤0,這樣非基變量等于0時,目標(biāo)函數(shù)可以取到最大值。以此為目標(biāo),每次將最大的正系數(shù)max{ci}對應(yīng)的非基變量替換為基變量,同時將min{bj/ai,j}對應(yīng)的基變量替換為非基變量。這個進基/出基的過程稱為pivoting。
3. python算法實現(xiàn)
這里假設(shè)原問題都是小于等于約束,這樣添加松弛變量之后,問題一定有初始可行解;同時假設(shè)問題存在有限最優(yōu)解。特殊情況將在下一節(jié)進行處理。代碼為:
import numpy as np
def pivot():
l = list(d[0][:-2])
jnum = l.index(max(l)) #轉(zhuǎn)入編號
m = []
for i in range(bn):
if d[i][jnum] == 0:
m.append(0.)
else:
m.append(d[i][-1]/d[i][jnum])
inum = m.index(min([x for x in m[1:] if x!=0])) #轉(zhuǎn)出下標(biāo)
s[inum-1] = jnum
r = d[inum][jnum]
d[inum] /= r
for i in [x for x in range(bn) if x !=inum]:
r = d[i][jnum]
d[i] -= r * d[inum]
def solve():
flag = True
while flag:
if max(list(d[0][:-1])) <= 0: #直至所有系數(shù)小于等于0
flag = False
else:
pivot()
def printSol():
for i in range(cn - 1):
if i in s:
print("x"+str(i)+"=%.2f" % d[s.index(i)+1][-1])
else:
print("x"+str(i)+"=0.00")
print("objective is %.2f"%(-d[0][-1]))
調(diào)用的例子:
d = np.loadtxt("data.txt", dtype=np.float)
(bn,cn) = d.shape
s = list(range(cn-bn,cn-1)) #基變量列表
solve()
printSol()
data.txt文件中的內(nèi)容為:
1 14 6 0 0 0 0 0
1 1 1 1 0 0 0 4
1 0 0 0 1 0 0 2
0 0 1 0 0 1 0 3
0 3 1 0 0 0 1 6
代表的求解模型是:
max z = x0+14*x1+6*x2
s.t.
x0 + x1 + x2 <= 4
x0 <= 2
x2 <= 3
3*x1 + x2 <= 6
運行后輸出結(jié)果為:
x0=0.00
x1=1.00
x2=3.00
x3=0.00
x4=2.00
x5=0.00
x6=0.00
objective is 32.00
4. 后感
將simplex用代碼寫出來,才覺得以前糾結(jié)那么久的問題原來那么簡單。兩三行代碼能說清楚的事,何必寫一堆看得人眼花繚亂的數(shù)學(xué)公式呢。
另外,線性規(guī)劃還有一些很基礎(chǔ)的理論要掌握好:
- 極點和極方向的理論,這個是單純型法的理論基礎(chǔ)??梢詤⒖?a target="_blank" rel="nofollow">https://wenku.baidu.com/view/1a60ce6125c52cc58bd6be23.html
- 對偶理論,這個在以后經(jīng)常會用到。