影子价格是一个经济学意义上的解释,因为不同的解读,目前对于影子价格准确的定义较为混乱。下面下来举几个例子:
RHS
)增加一个单位且不做其他修改的情况下,目标函数的变化量,可通过 Excel
或线性规划来计算。通过从 RHS
上增加一个单位资源的目标函数值中减去原来的目标函数值,同样可以计算出影子价格值。)link
:https://www.codingdeeply.com/how-to-calculate-dual-price-in-linear-programming/?expand_article=1link
:https://www.codingdeeply.com/how-to-calculate-dual-price-in-linear-programming/?expand_article=1
2.
3. 清华大学出版社:《运筹学》
综上,将对偶价格dual price
定义为:当约束条件中的常数项增加一个单位时,最优目标函数值变化的数量。
将影子价格shadow price
定义为:当约束条件中的常数项增加一个单位时,最优目标函数值增加的数量。
变化的数量可以理解为不带符号的,只有大小。
增加的数量可以理解为带符号的,有方向。
此时的对偶价格和对偶问题的解是相等的。而影子价格可能是对偶问题的解的负数。
对偶问题的解:根据
−
y
=
0
−
c
B
B
−
1
=
σ
i
-y = 0 - c_BB^{-1} = \sigma_i
−y=0−cBB−1=σi,所以对偶问题的解为
y
∗
=
−
σ
i
,
3
,
1
y^{*}=-\sigma_i,3,1
y∗=−σi,3,1,
对偶价格:与对偶问题的解相同,
3
,
1
3,1
3,1
影子价格:对最大化问题, 且约束条件均为 ”小于等于“,影子价格等于对偶问题的解。
3
,
1
3,1
3,1
对偶问题的解:根据 − y = 0 − c B B − 1 = σ i -y = 0 - c_BB^{-1} = \sigma_i −y=0−cBB−1=σi,所以对偶问题的解为 y ∗ = − σ i , 4 , 0 , 1 y^{*}=-\sigma_i,4,0,1 y∗=−σi,4,0,1,
对偶价格:与对偶问题的解相同, 4 , 0 , 1 4,0,1 4,0,1
影子价格:对最大化问题,当约束条件中的常数项增加一个单位时,最优目标函数值增加的数量和改变的数量相同。
但是本题目是最小化问题,当约束条件中的常数项增加一个单位时,最优目标函数值增加的数量和改变的数量相反。
因为对最小化问题而言,此时模型可以继续向最优化(最小化)迭代,此时增加的数量则是负数。
影子价格:对最小化问题, 对约束条件为 ”小于等于“(3),影子价格等于对偶问题的解,约束条件为”大于等于“的(1)(2),影子价格等于对偶问题的解的相反数。 − 4 , 0 , 1 -4,0,1 −4,0,1