运筹学中的对偶理论是线性规划领域的重要理论，其核心思想是通过构造原问题的“镜像问题”来研究原问题的最优性。以下是关键内容的综合说明：

一、对偶问题的定义

对于标准形式的线性规划问题：

$$

begin{aligned}

& text{minimize} quad C^T X

& text{subject to} quad A X leq b

& quad quad quad quad X geq 0

end{aligned}

$$

其对应的对偶问题为：

$$

begin{aligned}

& text{maximize} quad b^T Y

& text{subject to} quad A^T Y geq C

& quad quad quad quad Y geq 0

end{aligned}

$$

其中，原问题的决策变量为$X$，对偶问题的决策变量为$Y$，且满足$Y_i geq 0$。

二、核心性质

互补松弛条件

若原问题或对偶问题存在最优解，则最优解满足：

若原问题变量$X_i > 0$，则对偶问题约束$A_i^T Y = C_i$为紧约束（即取等号）；

若对偶问题变量$Y_i > 0$，则原问题约束$A_i X = b_i$为紧约束。

弱对偶性

对于任意可行解，原问题目标值$leq$对偶问题目标值，即原问题目标函数值不会超过对偶问题的最优值。

强对偶性

若原问题与对偶问题均存在可行解，则两者最优解的目标函数值相等。

三、经济解释：影子价格

对偶问题的解$Y$提供了原问题约束条件的“影子价格”，即每增加一个单位资源，目标函数值的增量。例如，若$Y_i > 0$，则约束$A_i X = b_i$的影子价格为$C_i$。

四、应用与意义

灵敏度分析 ：通过比较原问题与对偶问题的目标值变化，判断参数变化对最优解的影响；

计算效率 ：当对偶问题约束较少时，求解对偶规划比原问题更高效；

决策支持 ：影子价格可用于资源分配和成本控制。

五、历史背景

对偶理论由约翰·冯·诺伊曼于1947年提出，后续G.B.丹齐克和C.莱姆基等人进一步发展了相关算法（如位势法、对偶单纯形法），使其成为现代线性规划求解的核心工具。

综上，对偶理论通过镜像原问题结构，揭示了线性规划中约束条件的经济价值，并为优化决策提供了理论依据。