《线性规划对偶问题》PPT课件.ppt

第第2章章 对偶理论对偶理论线性规划续线性规划续知识点知识点•了解对偶问题的特点，熟悉互为对偶的问了解对偶问题的特点，熟悉互为对偶的问题之间的关系；题之间的关系；•掌握对偶规划的理论和性质，如可逆性、掌握对偶规划的理论和性质，如可逆性、弱对偶性、对偶定理、互补松驰定理等；弱对偶性、对偶定理、互补松驰定理等；•掌握对偶单纯形法；掌握对偶单纯形法；主要内容主要内容•一、对偶问题的基本概念一、对偶问题的基本概念•二、对称的对偶线性规划二、对称的对偶线性规划•三、对偶的基本性质三、对偶的基本性质•四、对偶单纯形法四、对偶单纯形法一、对偶问题的基本概念一、对偶问题的基本概念载重汽车载重汽车 大轿车大轿车资源限制资源限制钢材钢材劳动力劳动力座椅座椅22.5025116002500400利润（千元利润（千元/辆）辆）34 •传统的线性规划问题：传统的线性规划问题：–在有限的资源下如何安排生产以获得最大利润在有限的资源下如何安排生产以获得最大利润•该问题的线性规划模型为：该问题的线性规划模型为：    目标函数：目标函数：max Z=4x1+3x2    约束条件：约束条件：                     2x1  ＋＋2x2   1600                     5x12    2500                     x1                      400                     x1   0,x2  0•现在的问题：如果工厂目前不再打算生产现在的问题：如果工厂目前不再打算生产汽车，而是将钢材和座椅以比买价更高的汽车，而是将钢材和座椅以比买价更高的价格卖出去（加价），把生产能力以更高价格卖出去（加价），把生产能力以更高的工时费接受外协加工，那么材料和工时的工时费接受外协加工，那么材料和工时的定价应该是多少才是合算的？的定价应该是多少才是合算的？•假设假设y1表示出售单位钢材的利润，表示出售单位钢材的利润，           y2表示外协加工的工时利润，表示外协加工的工时利润，           y3表示出售每套大轿车座椅的利润表示出售每套大轿车座椅的利润•那么生产一辆载重汽车的材料销售利润和那么生产一辆载重汽车的材料销售利润和工时利润之和不应低于出售一辆载重汽车工时利润之和不应低于出售一辆载重汽车所得的利润，即：所得的利润，即：2y12 3•同样有，同样有，2y1+5y2+y3  4•为了不亏本，各种材料的利润（加价）不为了不亏本，各种材料的利润（加价）不能为负值，即：能为负值，即：y1、、y2、、y3  0•工厂的总利润是出售材料的利润、工时利工厂的总利润是出售材料的利润、工时利润和座椅利润之和，即：润和座椅利润之和，即：W=1600y1+2500y2+400y3•从工厂决策者的角度看从工厂决策者的角度看W越大越好。

但为了越大越好但为了在市场实现交易，在满足上述条件的基础在市场实现交易，在满足上述条件的基础上，上，W应尽可能小从而得到如下线性规划应尽可能小从而得到如下线性规划模型：模型：Min W=1600y1+2500y2+400y32y12 3    s.t.2y1+5y2+y3  4y1、、y2、、y3  0线性规划原问题和对偶问题线性规划原问题和对偶问题原问题：原问题：Max Z=c1x1+…+cnxn         a11x1+…+a1nxn b1         a21x1+…+a2nxn b2s.t.    … …         am1x1+…+amnxn  bm         X1,…,xn 0对偶问题：对偶问题：Min W=b1y1+…+bmym         a11y1+…+am1ym   c1         a12y1+…+am2ym   c2s.t.    … …         a1ny1+…+amnym    cn         y1,…,ym    0矩阵表述矩阵表述原问题：原问题：•Max Z=CTX s.t.       AX b             X   0对偶问题：对偶问题：•Min W=bTY s.t.       ATY   C             Y   0•两个模型之间的关系：两个模型之间的关系：–原问题是求最大值，而对偶问题是求最小值；原问题是求最大值，而对偶问题是求最小值；–原问题的约束条件是原问题的约束条件是“ ”，而对偶问题的约，而对偶问题的约束条件是束条件是“ ”；；–原问题的目标函数系数是对偶问题的约束条件原问题的目标函数系数是对偶问题的约束条件右端的常数项；原问题的约束条件右端的常数右端的常数项；原问题的约束条件右端的常数项是对偶问题目标函数的系数；项是对偶问题目标函数的系数；–原问题约束条件中原问题约束条件中xi的系数是对偶问题第的系数是对偶问题第i个约个约束条件的系数，原问题第束条件的系数，原问题第i个约束条件的系数是个约束条件的系数是对偶问题的约束条件中对偶问题的约束条件中yi的系数。

的系数对称的对偶线性规划对称的对偶线性规划•定义：如果一个线性规划具备下面两个条定义：如果一个线性规划具备下面两个条件，则称它具有对称形式：件，则称它具有对称形式：–所有的变量都是非负的；所有的变量都是非负的；–所有的约束条件都是不等式，且在目标函数是所有的约束条件都是不等式，且在目标函数是求极大值的情况下，为求极大值的情况下，为“ ”型，求极小值时，型，求极小值时，为为“ ”型原问题（对偶问题）原问题（对偶问题）对偶问题（原问题）对偶问题（原问题）目标函数目标函数限定向量限定向量价值向量价值向量技术系数技术系数约束条件约束条件变量数目变量数目约束条件个数约束条件个数变量正负变量正负目标函数目标函数价值向量价值向量限定向量限定向量技术系数技术系数对偶变量对偶变量约束条件个数约束条件个数对偶变量数目对偶变量数目约束条件约束条件非对称形式的对偶问题非对称形式的对偶问题•在原线性规划问题为在原线性规划问题为Max型，且变量非负型，且变量非负的前提下：的前提下：1. 原问题约束条件是原问题约束条件是“ ”型型–两边都乘以两边都乘以“-1”转化为转化为“ ”型，得到对偶型，得到对偶规划的变量约束为：规划的变量约束为：yi 0•例：例：Max Z=x1+2x2-3x3  S.t.    x1+2x2+5x3 1           2x1-3x2-4x3   2           x1,x2,x3  0•  Max Z=x1+2x2-3x3  S.t.    -x1-2x2-5x3  -1           2x1-3x2-4x3   2           x1,x2,x3    0•  Min W=-y’1+2y2  S.t.    -y’1+2y2    1           -2y’1-3y2    2           -5y’1-4y2    -3           y’1,y2    0•令令y1=-y’1 ，上述模型化为：，上述模型化为：• Min W=y1+2y2  S.t.    y1+2y2    1           2y1-3y2    2           5y1-4y2    -3           y1   0,y2    0•例：例：Max Z=x1+2x2-3x3  S.t.    x1+2x2+5x3    1           2x1-3x2-4x3    2           x1,x2  0 , x3  0•令令x’3=-x3，得：，得：•  Max Z=x1+2x2+3x’3  S.t.    x1+2x2-5x’3   1           2x1-3x2+4x’3   2           x1,x2,x’3    0•  Min W=y1+2y2  S.t.    y1+2y2    1           2y1-3y2   2           -5y1+4y2   3           y1,y2    0•第三个方程两边同乘第三个方程两边同乘-1，得，得• Min W=y1+2y2  S.t.    y1+2y2    1           2y1-3y2    2           5y1-4y2    -3           y1,y2    02. 原问题约束条件是原问题约束条件是“=”型型–看成两个约束条件：看成两个约束条件：” ”+”  ”组成，得到组成，得到对偶规划的变量约束为：对偶规划的变量约束为：yi无非负约束（即可正可负）无非负约束（即可正可负）•例：例：Max Z=x1+2x2-3x3  S.t.    x1+2x2+5x3  1           2x1-3x2-4x3=2           x1,x2,x3  0•  Max Z=x1+2x2-3x3  S.t.    x1+2x2+5x3   1           2x1-3x2-4x3   2           2x1-3x2-4x3    2           x1,x2,x3    0•Min W=y1+2y2-2y3  S.t.    y1+2y2 -2y3    1           2y1-3y2 +3y3    2           5y1-4y2 +4y3   -3           y1,y2,y3  0•  Max Z=x1+2x2-3x3  S.t.    x1+2x2+5x3    1           2x1-3x2-4x3    2           -2x1+3x2+4x3    -2           x1,x2,x3    0•令令y4=y2-y3 ，得：，得：•Min W=y1+2y4  S.t.    y1+2y4   1           2y1-3y4   2           5y1-4y4   -3           y1   0, y4无符号约束无符号约束 原问题与对偶问题的对应关系原问题与对偶问题的对应关系原问题（或对偶问题）原问题（或对偶问题）对偶问题（或原问题）对偶问题（或原问题）目标函数为目标函数为 Max Z目标函数为目标函数为 Min W变量变量n个个  0  0无约束无约束n个个    ＝＝约束条件约束条件约束约束条件条件m个个   ＝＝m个个   0  0无约束无约束变量变量价值系数价值系数cj约束条件右端项约束条件右端项bi约束条件的系数矩阵约束条件的系数矩阵A约束条件右端项约束条件右端项cj价值系数价值系数bi约束条件的系数矩阵约束条件的系数矩阵AT例：例：•写出下面线性规划问写出下面线性规划问题的对偶问题：题的对偶问题：•1.•解：根据上述对偶关解：根据上述对偶关系，可以写出原问题系，可以写出原问题的对偶问题：的对偶问题：例：例：•写出下面线性规划问写出下面线性规划问题的对偶问题：题的对偶问题：•2.•解：根据上述对偶关解：根据上述对偶关系，可以写出原问题系，可以写出原问题的对偶问题：的对偶问题：对偶的基本性质对偶的基本性质•原问题：原问题：   Max Z=CTX   s.t.  AX b          X 0•对偶问题： Min W=bTY s.t. ATY  C Y  0•①①对称性：对偶问题的对偶是原问题；对称性：对偶问题的对偶是原问题；•②②弱对偶性：若弱对偶性：若X是原问题的可行解，是原问题的可行解，Y是是对偶问题的可行解，则对偶问题的可行解，则CTX   bTY•弱对偶性的证明：弱对偶性的证明：AX’  bX’TAT    bTX’TATY’   bTY’所以：所以： bTY’    X’TATY’   X’TC =CT X’•③③无界性：若原问题（对偶问题）为无界无界性：若原问题（对偶问题）为无界解，则其对偶问题（原问题）无可行解。

解，则其对偶问题（原问题）无可行解–例：例：–说明：无界性质并不存在逆（例见：说明：无界性质并不存在逆（例见：P57））•④④可行解是最优解的条件：可行解是最优解的条件：–设设X*是原问题的可行解，是原问题的可行解，Y*是对偶问题的可行是对偶问题的可行解，当解，当CTX*=bTY*时，时，X*，，Y*是最优解是最优解–证明：由弱对偶性，可知原问题的所有可行解证明：由弱对偶性，可知原问题的所有可行解X’均满足均满足 CT X’   bTY*    又因为又因为CTX* = bTY* ，所以，所以CT X’    CTX* ，即：，即：X*是使目标函数取值最大的可行解因而是最是使目标函数取值最大的可行解因而是最优解   同理可证同理可证Y*也是最优解也是最优解•⑤⑤对偶定理：若原问题有最优解，则对偶对偶定理：若原问题有最优解，则对偶问题也有最优解，且最优目标函数值相等问题也有最优解，且最优目标函数值相等•证明：设证明：设X*是原问题的最优解，则其对应的基矩阵是原问题的最优解，则其对应的基矩阵B必有：必有：CBTB-1A-CT 0，（非基变量的检验数大于或等于，（非基变量的检验数大于或等于0，，基变量的检验数等于基变量的检验数等于0））即：即：ATY* C，，其中，其中，Y*=[CBTB-1]T    故故Y*是对偶问题的可行解，它使：是对偶问题的可行解，它使：W=bTY*=bT[CBTB-1]T=CBTB-1b    由于由于X*是原问题的最优解，使目标函数值是原问题的最优解，使目标函数值Z=CTX*=CBTB-1b由此得到：由此得到：bTY*=CBTB-1b=CTX*    因此，因此，Y*是对偶问题的最优解。

是对偶问题的最优解•原规划的检验数对应于对偶规划的一个解；原规划的检验数对应于对偶规划的一个解；对偶规划的检验数对应于原规划的一个解对偶规划的检验数对应于原规划的一个解特别地，若原问题的最优基为特别地，若原问题的最优基为B，则其对偶，则其对偶问题的最优解为问题的最优解为Y*=CBTB-1•⑥⑥互补松驰定理：设原问题和对偶问题的标准互补松驰定理：设原问题和对偶问题的标准型分别为：型分别为：    若若X*，，Y*分别是原问题和对偶问题的可行解，分别是原问题和对偶问题的可行解，那么那么Y*TXs=0和和YsTX*=0当且仅当当且仅当X*、、Y*为最优为最优解•证明：证明：•原问题原问题                        对偶问题对偶问题   Max Z=CX                   Min W=Yb   AX+Xs=b                    YA-Ys=C   X,Xs 0                        Y,Ys  0   Z=CX=(YA-Ys)X=YAX-YsX   W=Yb=Y(AX+Xs)=YAX+YXs  充分性：充分性：P58  必要性：必要性：P58•该定理的隐含结论：该定理的隐含结论：–当一对对偶规划达到当一对对偶规划达到最优最优时，若一个问题的某时，若一个问题的某个变量为正数，则相应的另一个问题的约束必个变量为正数，则相应的另一个问题的约束必取等式；或者一个问题中的约束条件取不等式，取等式；或者一个问题中的约束条件取不等式，则相应的另一个问题的变量必为零。

则相应的另一个问题的变量必为零–理由：由于理由：由于X*,Y*为最优，故为最优，故YsTX*=0，，Y*TXs=0•如果如果Xi*>0，所以有，所以有Ysi=0，也就有对偶问题相应的约束条件为，也就有对偶问题相应的约束条件为等式约束（因为等式约束（因为X,Y都是非负的）；都是非负的）；•如果如果Y*j>0，所以有，所以有Xsj=0，也就有对偶问题相应的约束条件为，也就有对偶问题相应的约束条件为等式约束等式约束•⑦⑦设原问题是：设原问题是：    max Z=CX;  AX+Xs=b;  X,Xs 0   对偶问题是：对偶问题是：    min W=Yb;  YA-Ys=C;  Y,Ys 0   则原问题单纯形表的检验数行对应于其对则原问题单纯形表的检验数行对应于其对偶问题的一个基解，其对应关系为：偶问题的一个基解，其对应关系为：XBXNXS0CN-CBB-1N-CBB-1YS1YS2-Y例：例：•已知线性规划问题已知线性规划问题      的最优解为的最优解为X*=(0,0,4,4)T，最优值，最优值Z*＝＝28试用互补松驰性找出其对偶问题的最优解互补松驰性找出其对偶问题的最优解。

•解：写出该问题的对偶问题：解：写出该问题的对偶问题：    Min W=20y1+20y2    S.t.  y1+2y2 1           2y1+y2   2           2y1+3y2   3           3y1+2y2   4           yi   0,i=1,2,3,4  •根据互补松驰性，可得：根据互补松驰性，可得：–x3*=4>0,则则2y1+3y2=3–x4*=4>0,则则3y1+2y2=4–解得：解得：y1=6/5,y2=1/5满足对偶问题的前两个约束条件，满足对偶问题的前两个约束条件，所以它是对偶问题的可行解其对应的目标函数所以它是对偶问题的可行解其对应的目标函数W*=28=Z*，从而，从而y1=6/5,y2=1/5为对偶问题的最优解为对偶问题的最优解例：例：•已知线性规划问题已知线性规划问题      试用对偶理论证明上述线性规划问题无最优解试用对偶理论证明上述线性规划问题无最优解•证明：首先看到该问题存在可行解，如证明：首先看到该问题存在可行解，如X=(0,0,0)，而上，而上述问题的对偶问题为：述问题的对偶问题为：      由第一个约束条件可知对偶问题无可行解，因原问题有由第一个约束条件可知对偶问题无可行解，因原问题有可行解，故无最优解（若原问题有最优解，则对偶问题可行解，故无最优解（若原问题有最优解，则对偶问题也有最优解）。

也有最优解）对偶单纯形法对偶单纯形法•对偶单纯形法是运用对偶原理求解原问题的一种对偶单纯形法是运用对偶原理求解原问题的一种方法，而不是求解对偶问题的单纯形法方法，而不是求解对偶问题的单纯形法•正则解：检验数全部为非负的基本解，叫正则解正则解：检验数全部为非负的基本解，叫正则解–正则解一般不可行如果可行，即为最优解正则解一般不可行如果可行，即为最优解•原理：从一个正则解出发，用单纯形法进行迭代，原理：从一个正则解出发，用单纯形法进行迭代，迭代过程中始终保持解的正则性不变，使解的不迭代过程中始终保持解的正则性不变，使解的不可行性逐渐消失，所得第一个可行解即为最优解可行性逐渐消失，所得第一个可行解即为最优解•其与单纯形法的区别在于：其与单纯形法的区别在于：–单纯形法在整个迭代的过程中，始终保持原问单纯形法在整个迭代的过程中，始终保持原问题的可行性，即常数列非负，而检验数由有负题的可行性，即常数列非负，而检验数由有负分量逐步变为全部非负，即同时得到原问题和分量逐步变为全部非负，即同时得到原问题和对偶问题的最优解对偶问题的最优解–对偶单纯形法在整个迭代过程中，始终保持对对偶单纯形法在整个迭代过程中，始终保持对偶问题的可行性，即全部检验数非负，而常数偶问题的可行性，即全部检验数非负，而常数列由有负分量逐步变为全部非负，即同时得到列由有负分量逐步变为全部非负，即同时得到原问题和对偶问题的最优解。

原问题和对偶问题的最优解单纯形法单纯形法对偶单纯形法对偶单纯形法从一个初始基可行解出发从一个初始基可行解出发 从一个初始正则解出发从一个初始正则解出发检验数可检验数可正可负正可负保持右边常保持右边常数非负（即数非负（即解的可行性）解的可行性）右边常数右边常数可正可负可正可负保持检验数保持检验数非负（即解非负（即解的正则性）的正则性）检验数均非负，则为最优检验数均非负，则为最优解解常数均非负，则为最优解常数均非负，则为最优解对偶单纯形法的步骤对偶单纯形法的步骤•确定换出变量：在负的基变量中选择最小确定换出变量：在负的基变量中选择最小的基变量为换出变量；的基变量为换出变量；•确定换入变量：用换出变量的那一行具有确定换入变量：用换出变量的那一行具有负值的系数分别去除同列的检验数，取绝负值的系数分别去除同列的检验数，取绝对值最小者所对应的变量为换入变量；对值最小者所对应的变量为换入变量；•进行迭代变换（分别进行行、列变换）；进行迭代变换（分别进行行、列变换）；•进行最优性检验：如果所得的基本解都是进行最优性检验：如果所得的基本解都是非负的，则此解即为最优解，反之继续迭非负的，则此解即为最优解，反之继续迭代，直至所有基变量为非负的数值为止。

代，直至所有基变量为非负的数值为止对于生产汽车的例子：对于生产汽车的例子：Min W=1600y1+2500y2+400y3 2y1+5y2+y3  4    s.t. 2y12   3 y1、、y2、、y3   0Max (-W)=-1600y1-2500y2-400y3-My5-My7 2y1+5y2+y3 -y4+y5=4    s.t. 2y12 -y6+y7=3 y1   0 ,i=1,2,…,7Min (-W)=-1600y1-2500y2-400y3 -2y1-5y2-y3  -4    s.t. -2y12   -3 y1、、y2、、y3  0Min (-W)=-1600y1-2500y2-400y3 -2y1-5y2-y3+y4 =-4    s.t. -2y12+y5=-3 y1、、y2、、y3  0•解的过程：见解的过程：见Word文档文档对偶单纯形法的优点及用途对偶单纯形法的优点及用途•初始可行解可以是非可行解，当检验数都初始可行解可以是非可行解，当检验数都是正值时，就可以进行基变换，这样就避是正值时，就可以进行基变换，这样就避免了增加人工变量，使运算简化；免了增加人工变量，使运算简化；•对变量较少，而约束条件很多的线性规划对变量较少，而约束条件很多的线性规划问题，可先将其变为对偶问题，再用对偶问题，可先将其变为对偶问题，再用对偶单纯形法求解，简化计算；单纯形法求解，简化计算；•可用于灵敏度分析。

可用于灵敏度分析影子价格影子价格•对偶变量对偶变量yi的意义是在当前的基解中对一个的意义是在当前的基解中对一个单位的第单位的第i种资源的估价这种估价不是资种资源的估价这种估价不是资源的市场价格，而是根据资源在生产中做源的市场价格，而是根据资源在生产中做出的贡献而作出的估价，我们称之为影子出的贡献而作出的估价，我们称之为影子价格         yi=∂ W/∂bi•影子价格是一种动态价格，也是一种机会影子价格是一种动态价格，也是一种机会成本当bi变为bi+ bi 时，（由于，（由于，Z=CBTB-1b ，故有：，故有：CBTB-1=Y*T））•影子价格的经济意义是在其它条件不变的影子价格的经济意义是在其它条件不变的情况下，单位资源变化所引起的目标函数情况下，单位资源变化所引起的目标函数最优值的变化，即对偶变量就是第个约束最优值的变化，即对偶变量就是第个约束条件的影子价格条件的影子价格•影子价格是针对某一具体的约束条件而言影子价格是针对某一具体的约束条件而言的，而问题中所有其他数据都保持不变，的，而问题中所有其他数据都保持不变，因此影子价格也可以理解为目标函数最优因此影子价格也可以理解为目标函数最优值对资源的一阶偏导数。

值对资源的一阶偏导数•影子价格，又称为影子价格，又称为Lagrange乘子或灵敏率乘子或灵敏率系数，通常指线性规划对偶模型中对偶变系数，通常指线性规划对偶模型中对偶变量的最优解如果量的最优解如果原规划模型原规划模型属于属于在一定在一定资源约束条件下，按一定的生活消耗生产资源约束条件下，按一定的生活消耗生产一组产品并寻求总体效益目标函数最大化一组产品并寻求总体效益目标函数最大化问题问题，那么其，那么其对偶模型对偶模型属于属于对本问题中每对本问题中每一资源以某种方式进行估值以便得出与最一资源以某种方式进行估值以便得出与最优生产计划相一致的一个企业的最低总价优生产计划相一致的一个企业的最低总价值值该对偶模型中资源的估价表现为相应该对偶模型中资源的估价表现为相应资源的影子价格资源的影子价格•当所有资源按最优方式分配时，第当所有资源按最优方式分配时，第i种资源种资源的影子价格的影子价格yi给出了第给出了第i种资源（单位）追加种资源（单位）追加量的边际利润即，在原规划模型最优基量的边际利润即，在原规划模型最优基保持不变的前提下，增加（减少）单位第保持不变的前提下，增加（减少）单位第i种资源，原规划模型的目标函数值将增加种资源，原规划模型的目标函数值将增加或减少一个或减少一个yi值，因此，人们可以根据值，因此，人们可以根据yi的的大小，对第大小，对第i种资源紧缺程度和经济效果作种资源紧缺程度和经济效果作出判断，探讨资源的优化利用，为企业决出判断，探讨资源的优化利用，为企业决策服务。

策服务•影子价格影子价格yi随着目标函数、约束条件的经济意义和随着目标函数、约束条件的经济意义和测度单位不同而有种种不同的具体内容如：测度单位不同而有种种不同的具体内容如：–将将yi视为第视为第i种资源的边际值它反映了一定条件下，增种资源的边际值它反映了一定条件下，增加（减少）单位第加（减少）单位第i种资源占用量对目标函数增加或减种资源占用量对目标函数增加或减少的影响程度少的影响程度–将将yi视为第视为第i种资源机会成本或机会损失，它反映了企业种资源机会成本或机会损失，它反映了企业若放弃单位第若放弃单位第i种资源的利用，将失去一次获利机会，种资源的利用，将失去一次获利机会，其损失价值为其损失价值为yi ；若增加单位第；若增加单位第i种资源的利用，企业种资源的利用，企业将赢得一次增值为将赢得一次增值为yi的获利机会的获利机会–将将yi看作一种附加值或附加价格，它取决于企看作一种附加值或附加价格，它取决于企业对第业对第i种资源使用效果的一种评价若第种资源使用效果的一种评价若第i种种资源的单位市场价格为资源的单位市场价格为mi ，当，当yi > mi时，企业时，企业愿意购进这种资源也就是说，如果第愿意购进这种资源。

也就是说，如果第i种资源种资源追加一单位，作最优分配时所得利润追加一单位，作最优分配时所得利润yi比成本比成本mi要大，单位纯利润为要大，单位纯利润为yi-mi ，购进这种资源有，购进这种资源有利可图；如果利可图；如果yi

种价格，是新增资源所创造的价值，是边际价格•不同的企业，即使是相同的资源，其影子价格也不不同的企业，即使是相同的资源，其影子价格也不一定相同同一个企业不同生产周期，资源的影子一定相同同一个企业不同生产周期，资源的影子价格也不完全一样价格也不完全一样•因此，企业的决策者可以把本企业资源的影子价格因此，企业的决策者可以把本企业资源的影子价格与市场价格进行比较：与市场价格进行比较：–影子价格高于市价时，可以买进；反之，则卖出影子价格高于市价时，可以买进；反之，则卖出其中，其中，cj表示单位第表示单位第j种产品的利润，而种产品的利润，而 iaijyj表示生产第表示生产第 j 种产品所消耗的各项资种产品所消耗的各项资源的影子价格的总和，它可以称为第源的影子价格的总和，它可以称为第 j 种产种产品的品的单位隐含成本单位隐含成本检验数 j又可以称为是又可以称为是第第 j 种产品的种产品的相对价值系数相对价值系数–影子价格在新产品开发决策中的应用影子价格在新产品开发决策中的应用•企业在新产品投产前，可以利用影子价格，通过分企业在新产品投产前，可以利用影子价格，通过分析新产品使用资源的经济效果，以决定新产品是否析新产品使用资源的经济效果，以决定新产品是否应该投产。

应该投产–利用影子价格分析现有产品价格变动对资源紧利用影子价格分析现有产品价格变动对资源紧缺情况的影响（即系数缺情况的影响（即系数c变动对变动对y的影响）的影响）。