线性规划问题 — Linear Program Problem
作者:Alex Hu
博客:https://blog.csdn.net/m0_37204267
转载请注明作者和出处。
1. LP问题的一般形式
当目标函数和约束函数都是放射时, 问题称作线性规划(LP)。一般线性规划具有以下形式:
minimizesubject tocTx+dGx⪯hAx=b
其中
G∈Rm×n,A∈Rp×n,⪯
表示广义不等号。
线性规划也是凸优化问题。它的可行集是一个多边形。几何解释如下:
2. LP的两种特殊形式
LP问题的以下两种形式已被深入研究。
3. 将一般形式转换为标准形式
将一般形式转化为标准形式的目的是:为了使用标准形式线性规划的算法。
这些转化技巧可以用来将很多问题构造为线性规划。
一般转化步骤为:
- 引入松弛变量
si
,得到
minimizesubject tocTx+dGx+s=hAx=bs⪰0
- 将变量
x
表示成两个非负变量
x+
和
x−
的差,即
x=x+−x−
,其中
x+,x−⪰0
,从而得到问题
minimizesubject tocTx+−cTx−+dGx+−Gx−+s=hAx+−Ax−=bx+⪰0,x−⪰0,s⪰0
这是标准形式的线性规划,其优化变量为
x+,x−和s
。
4. 线性分式规划
在多面体上极小化仿射函数之比的问题被称为线性分式规划:
minimizesubject tof0Gx⪯hAx=b
的目标函数由
f0(x)=cTx+deTx+f,dom f0={x|eTx+f>0}
给出。这个目标函数是拟凸的(事实上是拟线性的),因此线性分式规划是一个拟凸优化问题。
转换为线性规划
可行集非空时,线性分式规划可转换为等价的线性规划
minimizesubject tocTy+dzGy−hz⪯0Ay−bz=0eTy+fz=1z≥0
优化变量为
x,z
。
为了显示这个等价性,如果
x
是原始形式的可行解,那么
y=xeTx+f,z=1eTx+f
是转换后的可行解,并且具有相同的目标函数值
cTy+dz=f0(x)
。
参考文献
[1] Stephen Boyd, et al. Convex Optimization. Cambridge university press, 2004. [2] 王书宁, 等. 凸优化. 清华大学出版社, 2013.