B B,B3 B4 Bs B A 9 113 05.006 36.02 050 4337 此即最优解。它与用闭回路法得到的结果相同。 可用对偶理论对上述方法做出解释,故亦称原始对偶算法,这种方法被认为是比较有效的 §2最小调整法 上节给出的方法是从(原问题或对偶问题的)可行解出发,寻找目标函数值有所改善的另 行解。下边介绍的最小调整法不是从可行解出发,而是先置行平衡条件(2)于不顾,从满足列平衡 条件(3)且使目标函数(4)取最小值的方案开始,然后通过适当调整,逐步实现行平衡,每次调 整必须遵循如下二原则 (一)不得破坏列平衡条件(3),且对同一调整量θ,调整后的方案使目标函数(4)增值最小 (二)按能以最少次数完成整个调整来确定调整量,即足量调整 下面结合§1例1具体说明实现上述思想的步骤。 (A)对费用矩阵C先作行、列减值处理(此步并非必要但常能减少调整次数),所得矩阵不妨 仍记为C,然后按C之各列最小值(若不唯一可适当任取其一)。 做如下方案X=(X0)mn:X8=b,j=1…n,其余x0=0,并称X°为最小方案,对例1 的费用矩阵(6),最小方案为(X0的非0元素用方框标出) 203 6 1613 002 4 6212 (8) (B)检查X0是否满足行平衡条件(2),若满足,则X0即为最优方案。否则记 14145 ① ① ③ ② ② ② ③ ③ 1 2 3 4 5 6 1 2 3 4 0 0 0 1 1 0 4 0 3 5 3 0 6 3 1 9 0 6 5 1 3 1 0 0 0 0 1 7 3 3 6 2 1 2 B B B B B B A A A A 此即最优解。它与用闭回路法得到的结果相同。 可用对偶理论对上述方法做出解释，故亦称原始对偶算法，这种方法被认为是比较有效的。 §2 最小调整法 上节给出的方法是从（原问题或对偶问题的）可行解出发，寻找目标函数值有所改善的另一可 行解。下边介绍的最小调整法不是从可行解出发，而是先置行平衡条件（2）于不顾，从满足列平衡 条件（3）且使目标函数（4）取最小值的方案开始，然后通过适当调整，逐步实现行平衡，每次调 整必须遵循如下二原则 （一）不得破坏列平衡条件（3），且对同一调整量  ，调整后的方案使目标函数（4）增值最小。 （二）按能以最少次数完成整个调整来确定调整量，即足量调整。 下面结合§1 例 1 具体说明实现上述思想的步骤。 （A）对费用矩阵 C 先作行、列减值处理（此步并非必要但常能减少调整次数），所得矩阵不妨 仍记为 C，然后按 C 之各列最小值（若不唯一可适当任取其一）。 1 , 1, , kj ij i m c Min c j n   = = 做如下方案 0 0 ( ) X X = ij m n ： (0) , 1, , X b j n kj j = = ，其余 (0) Xij = 0 ，并称 0 X 为最小方案，对例 1 的费用矩阵（6），最小方案为（ 0 Xij 的非 0 元素用方框标出）： 2 0 3 0 3 2 4 0 1 6 0 0 6 3 0 6 0 2 4 0 3 4 1 4 0 3 4 7 3 3 6 2 1 2 1 2 3 2 3 6 （8） （B）检查 0 X 是否满足行平衡条件（2），若满足，则 0 X 即为最优方案。否则记