京都大学 情報学研究科 数理工学専攻 2014年8月実施 線形計画
Author
Casablanca, 祭音Myyura
Description
日本語版
以下の (i), (ii) に答えよ。
(i) 次の線形計画問題 (P1) とその双対問題 (D1) を考える。
(P1) : Minimize c ⊤ x subject to A x = b x ≧ 0 \begin{aligned}
\text{(P1)}: &\text{Minimize} &\boldsymbol{c}^{\top} \boldsymbol{x} \\
&\text{subject to} &\boldsymbol{A}\boldsymbol{x} = \boldsymbol{b} \\
&\text{ } &\boldsymbol{x} \geqq \boldsymbol{0}
\end{aligned} (P1) : Minimize subject to c ⊤ x A x = b x ≧ 0
(D1) : Maximize b ⊤ w subject to A ⊤ w ≦ c \begin{aligned}
\text{(D1)}: &\text{Maximize} &\boldsymbol{b}^{\top} \boldsymbol{w} \\
&\text{subject to} &\boldsymbol{A}^{\top} \boldsymbol{w} \leqq \boldsymbol{c}
\end{aligned} (D1) : Maximize subject to b ⊤ w A ⊤ w ≦ c
ここで、A \boldsymbol{A} A は m × n m \times n m × n 定数行列、b \boldsymbol{b} b は m m m 次元定数ベクトル、c \boldsymbol{c} c は n n n 次元定数ベクトル、x \boldsymbol{x} x は n n n 次元変数ベクトル、w \boldsymbol{w} w は m m m 次元変数ベクトルであり、⊤ \top ⊤ は転置記号を表す。
問題 (P1) と (D1) は最適解 x ∗ \boldsymbol{x}^* x ∗ と w ∗ \boldsymbol{w}^* w ∗ を持つとする。
さらに y ∗ = c − A ⊤ w ∗ \boldsymbol{y}^* = \boldsymbol{c} - \boldsymbol{A}^{\top} \boldsymbol{w}^* y ∗ = c − A ⊤ w ∗ とする。
このとき、x i ∗ > 0 x_i^* > 0 x i ∗ > 0 であれば、y i ∗ = 0 y_i^* = 0 y i ∗ = 0 が成り立つことを示せ。
(ii) 次の線形計画問題を考える。
(P2) : Maximize x 5 subject to ∑ i = 1 4 x i ≦ 1 ∑ i = k + 1 4 x i ≦ k x k ( k = 1 , 2 , 3 ) x 5 ≦ 4 x 4 \begin{aligned}
\text{(P2)}: &\text{Maximize} &x_5 \\
&\text{subject to} &\sum_{i=1}^4 x_i \leqq 1 \\
&\text{ } &\sum_{i=k+1}^4 x_i \leqq kx_k \ (k=1,2,3) \\
&\text{ } &x_5 \leqq 4x_4
\end{aligned} (P2) : Maximize subject to x 5 i = 1 ∑ 4 x i ≦ 1 i = k + 1 ∑ 4 x i ≦ k x k ( k = 1 , 2 , 3 ) x 5 ≦ 4 x 4
問題 (P2) の最適解を x ∗ \boldsymbol{x}^* x ∗ とする。問題 (P2) の双対問題の最適解を求めよ。さらに、
∑ i = 1 4 x i ∗ = 1 \sum_{i=1}^4 x_i^* = 1 i = 1 ∑ 4 x i ∗ = 1
が成り立つことを示せ。
English Version
题目描述
回答下列两问。
考虑互为原、对偶的线性规划
( P 1 ) : 最小化 c ⊤ x 满足 A x = b , x ≧ 0 , \begin{aligned}
(\mathrm{P1}):\quad&\text{最小化}\quad \boldsymbol c^\top\boldsymbol x\\
&\text{满足}\quad \boldsymbol A\boldsymbol x=\boldsymbol b,\quad
\boldsymbol x\geqq\boldsymbol0,
\end{aligned} ( P1 ) : 最小化 c ⊤ x 满足 A x = b , x ≧ 0 ,
( D 1 ) : 最大化 b ⊤ w 满足 A ⊤ w ≦ c . \begin{aligned}
(\mathrm{D1}):\quad&\text{最大化}\quad \boldsymbol b^\top\boldsymbol w\\
&\text{满足}\quad \boldsymbol A^\top\boldsymbol w\leqq\boldsymbol c.
\end{aligned} ( D1 ) : 最大化 b ⊤ w 满足 A ⊤ w ≦ c .
其中 A \boldsymbol A A 为 m × n m\times n m × n 常数矩阵,b , c \boldsymbol b,\boldsymbol c b , c 分别为 m m m 维、n n n 维常向量,x , w \boldsymbol x,\boldsymbol w x , w 分别为 n n n 维、m m m 维变量向量,⊤ \top ⊤ 表示转置。假设 P1、D1 分别有最优解 x ∗ , w ∗ \boldsymbol x^*,\boldsymbol w^* x ∗ , w ∗ ,并令
y ∗ = c − A ⊤ w ∗ \boldsymbol y^*=\boldsymbol c-\boldsymbol A^\top\boldsymbol w^* y ∗ = c − A ⊤ w ∗ 。证明:若 x i ∗ > 0 x_i^*>0 x i ∗ > 0 ,则 y i ∗ = 0 y_i^*=0 y i ∗ = 0 。
考虑线性规划
( P 2 ) : 最大化 x 5 满足 ∑ i = 1 4 x i ≦ 1 , ∑ i = k + 1 4 x i ≦ k x k ( k = 1 , 2 , 3 ) , x 5 ≦ 4 x 4 . \begin{aligned}
(\mathrm{P2}):\quad&\text{最大化}\quad x_5\\
&\text{满足}\quad \sum_{i=1}^4x_i\leqq1,\\
&\hspace{2.8em}\sum_{i=k+1}^4x_i\leqq kx_k\quad(k=1,2,3),\\
&\hspace{2.8em}x_5\leqq4x_4.
\end{aligned} ( P2 ) : 最大化 x 5 满足 i = 1 ∑ 4 x i ≦ 1 , i = k + 1 ∑ 4 x i ≦ k x k ( k = 1 , 2 , 3 ) , x 5 ≦ 4 x 4 .
设其最优解为 x ∗ \boldsymbol x^* x ∗ 。求 P2 的对偶问题的最优解,并证明
∑ i = 1 4 x i ∗ = 1 \sum_{i=1}^4x_i^*=1 ∑ i = 1 4 x i ∗ = 1 。
Kai
(i)
( x ∗ ) ⊤ y ∗ = c ⊤ x ∗ − ( A x ∗ ) ⊤ w ∗ = c ⊤ x ∗ − b ⊤ w ∗ = 0 \begin{aligned}
(x^*)^{\top}y^* &= c^\top x^* - (Ax^*)^\top w^* \\
&= c^\top x^* - b^\top w^* \\
& = 0
\end{aligned} ( x ∗ ) ⊤ y ∗ = c ⊤ x ∗ − ( A x ∗ ) ⊤ w ∗ = c ⊤ x ∗ − b ⊤ w ∗ = 0
since x ∗ ⪰ 0 x^* \succeq \boldsymbol{0} x ∗ ⪰ 0
and y ∗ = c − A ⊤ w ∗ ⪰ 0 y^* = c - A^\top w^* \succeq \boldsymbol{0} y ∗ = c − A ⊤ w ∗ ⪰ 0 ,
hence every term x i ∗ y i ∗ x_i^*y_i^* x i ∗ y i ∗ is zero. Therefore, x i ∗ > 0 x_i^*>0 x i ∗ > 0 implies y i ∗ = 0 y_i^*=0 y i ∗ = 0 .
(ii)
Let x = [ x 1 , x 2 , x 3 , x 4 , x 5 ] ⊤ x = [x_1, x_2, x_3, x_4, x_5]^\top x = [ x 1 , x 2 , x 3 , x 4 , x 5 ] ⊤ , the problem (P2) can be written as
Minimize − [ 0 , 0 , 0 , 0 , 1 ] x Subject to [ 1 1 1 1 0 − 1 1 1 1 0 0 − 2 1 1 0 0 0 − 3 1 0 0 0 0 − 4 1 ] x ⪯ [ 1 0 0 0 0 ] \begin{aligned}
&\text{Minimize} &- [0,0,0,0,1]x\\
&\text{Subject to}
&\begin{bmatrix}
1 &1 &1 & 1 &0\\
-1&1 &1 &1 &0 \\
0 &-2 &1 &1 &0 \\
0 &0 &-3 &1 &0\\
0 &0 &0 &-4 &1
\end{bmatrix} \boldsymbol{x} \preceq
\begin{bmatrix}
1 \\ 0 \\ 0 \\ 0 \\ 0
\end{bmatrix}
\end{aligned} Minimize Subject to − [ 0 , 0 , 0 , 0 , 1 ] x 1 − 1 0 0 0 1 1 − 2 0 0 1 1 1 − 3 0 1 1 1 1 − 4 0 0 0 0 1 x ⪯ 1 0 0 0 0
Denote as
Minimize − c ⊤ x Subject to A x ⪯ b \begin{aligned}
&\text{Minimize} &-c^\top x \\
&\text{Subject to} &A\boldsymbol{x} \preceq b
\end{aligned} Minimize Subject to − c ⊤ x A x ⪯ b
Lagrangian:
L ( x , λ ) = − c ⊤ x + λ ⊤ ( A x − b ) L(x, \lambda) = -c^\top x + \lambda ^\top (Ax - b) L ( x , λ ) = − c ⊤ x + λ ⊤ ( A x − b )
Lagrange dual function:
d ( λ ) = − b ⊤ λ d(\lambda) = -b^\top \lambda d ( λ ) = − b ⊤ λ
Thus the dual problem is
Maximize − b ⊤ λ subject to A ⊤ λ = c , λ ⪰ 0 . \begin{aligned}
&\text{Maximize} &&-b^\top\lambda\\
&\text{subject to}&&A^\top\lambda=c,\qquad \lambda\succeq\boldsymbol0.
\end{aligned} Maximize subject to − b ⊤ λ A ⊤ λ = c , λ ⪰ 0 .
Its optimal solution is λ ⊤ = [ 1 , 1 , 1 , 1 , 1 ] \lambda ^\top = [1,1,1,1,1] λ ⊤ = [ 1 , 1 , 1 , 1 , 1 ] , with value − 1 -1 − 1 . The primal feasible point
x = [ 1 2 , 1 6 , 1 12 , 1 4 , 1 ] ⊤ x=\left[\frac12,\frac16,\frac1{12},\frac14,1\right]^\top x = [ 2 1 , 6 1 , 12 1 , 4 1 , 1 ] ⊤
also has value − 1 -1 − 1 , so both solutions are optimal. Since every component of λ \lambda λ is positive, complementary slackness implies that all five primal inequalities are equalities for every optimal x ∗ x^* x ∗ . In particular,
∑ i = 1 4 x i ∗ = 1 \sum_{i=1}^{4}x_i^* = 1 i = 1 ∑ 4 x i ∗ = 1