的几何线性优化问题

显示优化模型,表现出不良行为之前,我们首先需要理解几何在他们后面。考虑一个问题的形式

< span > < / span > \美元开始{数组}{你}\马克斯和残雪\酸处理和Ax \ leq b。结束\ \{数组}< span > < / span >美元
例如:
< span > < / span > \美元开始{数组}{lrrl} \马克斯& x + y & \ vec {c} = &(1,1) \酸处理& - x \ leq 0 &现代{1 \ cd……3 \ \ leq 0 &现代{cdot} = & (0,1) \ & y \ leq 1 &现代{4 \ cdot} = & (0, 1)。结束\ \{数组}< span > < / span >美元
请注意,如果我们表示 < span > < / span > b ^ t:美元= (0,1,0,1)< span > < / span >美元,那么这个问题可以表示为
< span > < / span > \美元max_ {x \ \ mathbb {R} ^ 2} \ {vec {c} x: \ Ax \ leq b \}。< span > < / span >美元
可行域,改善的方向< span > < / span >美元vec {c} \ < span > < / span >美元和最优解< span > < / span > x美元^ * < span > < / span >美元可以描述为
\ scalebox {1.0} {\ includegraphics(宽度= 4){refman_misc / codedraw3.pdf}}
请注意,当我们移动的方向< span > < / span >美元vec {c} \ < span > < / span >美元,该值< span > < / span >美元vec {c} \ x < span > < / span >美元增加。此外,由于我们不能离开< span > < / span > x美元^ * < span > < / span >美元另一个可行点更好的客观价值,我们可以得出这样的结论:< span > < / span > x美元^ * < span > < / span >美元确实是问题的最优解。请注意,< span > < / span > x美元^ * < span > < / span >美元是一个角落里可行域。这不是一个巧合,你总会找到一个最优解在一个角落点如果可行域是有界的< span > < / span >美元vec {c} \ < span > < / span >美元不为零。如果目标是零,那么所有可行的方案是最优的;我们将进一步讨论零目标及其意义。

理解输入数据的变化如何影响可行域和最优解决方案,考虑一个小修改:< span > < / span > \美元波浪号{b} ^ t = (\ varepsilon 1 0 1) < span > < / span >美元,< span > < / span > \美元波浪号vec {c}} {\ = (1 + \ varepsilon, 1) < span > < / span >美元,< span > < / span > \美元波浪号{现代{4 \ cdot}} = (\ varepsilon, 1) < span > < / span >美元。我们的优化问题

\ scalebox {1.0} {\ includegraphics(宽度= 4){refman_misc / codedraw4.pdf}}

注意,尽管我们改变了右边,这种变化没有影响最优解的问题,但它确实改变了可行域的扩大的底部可行区域。

改变目标向量对应的倾斜向量图形表示。这当然也改变了最佳的客观价值。扰动约束倾斜约束的图形表示。的变化< span > < / span >美元现代{4 \ cdot} < span > < / span >美元改变了原始的解决方案本身。的数量倾斜约束发生取决于微扰的相对价值。例如,尽管约束条件< span > < / span > x \ leq 1美元< span > < / span >美元和约束条件< span > < / span > 100 x美元\ leq < span > 100 < / span >产生相同的可行域,扰动< span > < / span >美元x + y \ \ varepsilon leq 1 < span > < / span >美元将产生更多的倾斜扰动吗< span > < / span > 100 x + y \ \ varepsilon leq < span > 100 < / span >