【运筹学】对偶理论 : 对偶性质 ( 对称性质 | 对称性质推导 )

文章目录

  • 一、对称性质
  • 二、对称性质推导





一、对称性质



对称性定理 :

  • 原问题 ( L P LP LP ) 的 对偶 是 对偶问题 ( D P DP DP )
  • 对偶问题 ( D P DP DP ) 的 对偶 是 原问题 ( L P LP LP )

原问题 和 对偶问题 互为对偶 ;

对偶问题是对称的


原问题 L P LP LP :

m a x Z = C X s . t { A X ≤ b X ≥ 0 \begin{array}{lcl} maxZ = C X \\\\ s.t\begin{cases} AX \leq b \\\\ X \geq 0 \end{cases}\end{array} maxZ=CXs.tAXbX0


对偶问题 D P DP DP :

m i n W = b T Y s . t { A T Y ≥ C T Y ≥ 0 \begin{array}{lcl} minW = b^T Y \\\\ s.t\begin{cases} A^TY \geq C^T \\\\ Y \geq 0 \end{cases}\end{array} minW=bTYs.tATYCTY0





二、对称性质推导



将上述 对偶问题 D P DP DP 转为求最大值 ;

m i n W = b T Y s . t { A T Y ≥ C T Y ≥ 0 \begin{array}{lcl} minW = b^T Y \\\\ s.t\begin{cases} A^TY \geq C^T \\\\ Y \geq 0 \end{cases}\end{array} minW=bTYs.tATYCTY0


转换过程 :

  • 目标函数转为取最大值 : 转换后的结果如下 , 就是相当于在目标函数的左右两端乘以 − 1 -1 1 ;

m a x Z = − b T Y s . t { A T Y ≥ C T Y ≥ 0 \begin{array}{lcl} maxZ = -b^T Y \\\\ s.t\begin{cases} A^TY \geq C^T \\\\ Y \geq 0 \end{cases}\end{array} maxZ=bTYs.tATYCTY0

  • 根据下面表格中的对偶问题写法 , 写出上述线性规划的对偶问题 :
    • 目标函数由最大值转为最小值 ( 目标函数求最大值前提 ) : m i n W = C X min W = CX minW=CX
    • L P LP LP 约束条件与 D P DP DP 约束变量符号相反 ( 目标函数求最大值前提 ) : 上述线性规划问题的 约束条件是大于等于不等式 , 那么对应的 约束变量小于等于 0 0 0 ; 约束变量 X ≤ 0 X \leq 0 X0
    • L P LP LP 约束变量 与 D P DP DP 约束条件符号相同 ( 目标函数求最大值前提 ) : 上述线性规划问题的 约束变量大于等于 0 0 0 , 那么对应的 约束条件也是大于等于不等式 ; 约束条件是 A X ≥ − b AX \geq -b AXb
    • 最终得到的线性规划为 :

m i n W = C X s . t { A X ≥ − b X ≤ 0 \begin{array}{lcl} min W = CX \\\\ s.t\begin{cases} AX \geq -b \\\\ X \leq 0 \end{cases}\end{array} minW=CXs.tAXbX0

原问题 L P LP LP 对偶问题 D P DP DP
目标函数求最大值 m a x Z maxZ maxZ 目标函数求最小值 m i n W minW minW
约束条件常数项 目标函数系数
目标函数系数 约束条件常数项
m m m 个约束条件 n n n 个约束变量
n n n 个约束变量 m m m 个约束条件
约束条件是小于等于不等式 ≤ \leq 约束变量是大于等于 ≥ 0 \geq 0 0
约束条件是大于等于不等式 ≥ \geq 约束变量是小于等于 ≤ 0 \leq 0 0
约束条件是等式 约束变量是自由变量 ( 没有约束 )
约束变量是大于等于 ≥ 0 \geq 0 0 约束条件是大于等于不等式 ≥ \geq
约束变量是小于等于 ≤ 0 \leq 0 0 约束条件是小于等于不等式 ≤ \leq
约束变量是自由变量 ( 没有约束 ) 约束条件是等式

记住一条 : 目标函数求最大值 , L P LP LP 约束条件与 D P DP DP 约束变量符号相反 , L P LP LP 约束变量 与 D P DP DP 约束条件符号相同 ;



对如下线性规划作代换 :

m i n W = C X s . t { A X ≥ − b X ≤ 0 \begin{array}{lcl} min W = CX \\\\ s.t\begin{cases} AX \geq -b \\\\ X \leq 0 \end{cases}\end{array} minW=CXs.tAXbX0


代换内容 : 引入变量 X ′ = − X X' = -X X=X , 使用 − X ′ -X' X 替换上述线性规划中的 X X X ;

  • 目标函数 : 代换后为 m i n W = − C X ′ minW = -CX' minW=CX , 此时两边乘以 − 1 -1 1 即可得到 m a x Z = C X ′ maxZ = CX' maxZ=CX ;
  • 约束方程 : 代换后为 − A X ′ ≥ − b -AX' \geq -b AXb , 左右两边乘以 − 1 -1 1 即可得到 A X ′ ≤ b AX' \leq b AXb ;
  • 约束变量 : 代换后为 − X ′ ≤ 0 -X' \leq 0 X0 , 左右变量乘以 − 1 -1 1 即可得到 X ′ ≥ 0 X' \geq 0 X0

最终代换结果为 :

m a x Z = C X ′ s . t { A X ′ ≤ b X ′ ≥ 0 \begin{array}{lcl} maxZ = CX' \\\\ s.t\begin{cases} AX' \leq b \\\\ X' \geq 0 \end{cases}\end{array} maxZ=CXs.tAXbX0

【运筹学】对偶理论 : 对偶性质 ( 对称性质 | 对称性质推导 )_第1张图片

你可能感兴趣的:(运筹学,运筹学,对偶理论,对偶性质,对称性质,线性规划)