一、最优性定理

最优性定理 :

如果 ${\mathrm{X}}^0$ 是 原问题的可行解 , ${\mathrm{Y}}^0$ 是 对偶问题的可行解 ,

并且 两个可行解对应的目标函数值相等 , 即 $\mathrm{C}{\mathrm{X}}^0=\mathrm{B}{\mathrm{Y}}^0$ , 即 $\mathrm{z}=\mathrm{w}$ ,

则 ${\mathrm{X}}^0$ 是原问题的最优解 , ${\mathrm{Y}}^0$ 是对偶问题的最优解 ;

两个互为对偶的线性规划问题 , 只要有一个有最优解 , 另一个也有最优解 ;

最优解 首先是可行解 , 其次该可行解使目标函数达到最优 ( 最小值 / 最大值 ) ;

互为对偶的两个问题 :

原问题的目标函数求最大值 , 该值不断增大 , 处于一个界限值下方 ; 其最大值就是界限值 ;

对偶问题的目标函数求最小值 , 该值不断减小 , 处于一个界限值上方 ; 其最小值就是界限值 ;

当上述 ${\mathrm{X}}^0$ 是 原问题的可行解 , ${\mathrm{Y}}^0$ 是 对偶问题的可行解 ,

如果 $\mathrm{C}{\mathrm{X}}^0=\mathrm{B}{\mathrm{Y}}^0$ , 则说明 $\mathrm{C}{\mathrm{X}}^0=\mathrm{B}{\mathrm{Y}}^0=界限值$ , 当前的目标函数值就是界限值 ;

该界限值就是 原问题 目标函数的最大值 , 同时也是 对偶问题目标函数的最小值 ;

二、强对偶性

强对偶性 : 如果 原问题 与 对偶问题 都有可行解 , 只要有一个问题有最优解 , 则 两个问题都有最优解 , 二者的最优解的目标函数值相等 ;

文章来源: hanshuliang.blog.csdn.net，作者：韩曙亮，版权归原作者所有，如需转载，请联系作者。

原文链接：hanshuliang.blog.csdn.net/article/details/111997307