LP-duality 定理:线性规划问题的对偶定理。
【定理内容】
用于将线性规划问题转化为对偶问题,然后用算法解决。
给定矩阵 \(A,b,c\),其中 \(b,c\) 都是只有一列的矩阵(可以当作列向量看)。
问题 1: 求向量(一组数)\(\vec{x}\),要求 \(A\cdot \vec{x}\le \vec{b}\)
且 \(\vec{x}\ge 0\),使得 \(c^T\cdot \vec{x}\) 最大。
问题 2: 求向量(一组数)\(\vec{y}\),要求 \(A^T\cdot \vec{y}\ge \vec{c}\) 且 \(\vec{y}\ge 0\),使得 \(b^T\cdot \vec{y}\) 最小。
这两个问题满足这两个性质:
弱对偶性:记问题 1 的任一组可行解 \(\vec{X}\) 和问题 2 的任一组可行解 \(\vec{Y}\),则 \(c^T\cdot\vec{X}\le b^T\cdot\vec{Y}\)。
强对偶性:如果问题 1,2 都是有解的,则 1 的最优解(最大值)和 2 的最优解(最大值)相等。
线性规划问题其实可以看做给出一大堆不等式,求条件极值。
【定理应用其一:最大流最小割定理】
网络流问题就是天生的一类线性规划问题。
这里将用 LP-duality 定理粗略证明 MF=MC 定理。拿个例子。
\(e_1\sim e_5\) 是每条边的标号。\(x_1\sim x_5\) 表示各边的流量。令 \(cap_i\) 表示 \(e_i\) 的容量(图中未写)。
先把最大流问题改造成线性规划模式。
\[\begin{cases} x_i\le c_i\\ \\ \\ \end{cases} \] 标签:duality,cdot,定理,问题,线性规划,vec,LP From: https://www.cnblogs.com/FLY-lai/p/18264000