- 在线时间
- 90 小时
- 最后登录
- 2018-12-27
- 注册时间
- 2016-4-22
- 听众数
- 17
- 收听数
- 0
- 能力
- 20 分
- 体力
- 23472 点
- 威望
- 2 点
- 阅读权限
- 200
- 积分
- 7535
- 相册
- 0
- 日志
- 0
- 记录
- 0
- 帖子
- 126
- 主题
- 100
- 精华
- 2
- 分享
- 0
- 好友
- 6
升级   50.7% TA的每日心情 | 开心 2018-6-4 15:01 |
|---|
签到天数: 7 天 [LV.3]偶尔看看II
 群组: 2018年大象老师国赛优 群组: 高考备战 群组: 2018中小学数学建模冬 |
|
1.线性规划简介 线性规划(LP)是数学规划的一个分支。
. X5 S. j! f% @: {8 O7 R 0 b1 q0 H. p4 y7 l( s" b
x1,x2为决策变量,约束条件记为s.t.(subject to)。 @. m) [! }) x% L7 N1 e) \6 ^
2.线性规划的matlab标准形式 线性规划的目标函数可以求最大值也可以求最小值,约束条件的不等号可以是小于号也可以是大于号,因此在matlab中给出了统一形式 $ M/ ], O6 q6 \2 x" k
3 |9 L5 w6 m, Z& N* l
其中c和x均为n维列向量,A、Aeq为适当维数(列数与x维数相同,行数与约束条件数相同),b、beq为适当维数的列向量(维数与约束条件数相同)。' _" b& ~( H9 O3 w# z! J9 ]
+ {: j1 D$ s6 E. |" e) t. ]
例如:
b+ v4 B' m+ a! F/ |max cTx s.t. Ax≥b max cTx s.t. Ax≥b 4 r" t# B. N/ T5 W; p- M
matlab中为: # b6 e. O' }3 X2 u, g$ r9 O" s3 n$ \5 \
min −cTx s.t. −Ax≤b min −cTx s.t. −Ax≤b 8 U) V6 U. V0 k" r* p
3.线性规划中解的概念* D" U& [/ y2 U/ P7 G4 U
: P, d0 _% P" L: R7 r9 R+ B
可行解:满足约束条件的 解x = (x1,x2…xn),称为线性规划问题的可行解,从而使目标函数达到最大值或者最小值的可行解称为最优解。
8 ]- n+ H% P: V% Y& g可行域:所有可行解构成的集合称为问题的可行域,记为R。
: O) v9 m' h; q( L. s+ k; K+ Z& H( r) R% {7 k7 I; M' y
4.一般的线性规划问题+ l( G1 ~5 }5 c8 j7 i! u6 j; u/ _" B
7 z x" { V1 |8 ~在一般的n维空间中,满足 ∑ni=1aixi = b∑i=1naixi = b 的点集称为一个超平面,而满足 ∑ni=1aixi ≥ b∑i=1naixi ≥ b (或者∑ni=1aixi ≤ b∑i=1naixi ≤ b )的点集称为一个半平面,若干个半平面的交集称为多胞形,有界的多胞形称为多面体。因此线性规划的可行域必定为多胞形(空集也视为多胞形)。若该区域R为凸集,则凸集中的任意两点的连线必然在该凸集中,若x为区域R的极点,则x不能位于R中的任意两点的连线上。
+ p2 H& V8 O. P5 U: G2 R$ l$ R
8 U& B2 e) e( V( |5.matlab中线性规划求解过程
- l' f o6 x! j3 s% ]2 P" e4 f! K0 u
① 利用linprog函数返回最小值解向量。
4 S; X3 J D* q5 A② value = c’ * x求最小值。
" |- r1 k. |9 F2 @; t" c3 \! t& `( I/ T
+ ^7 T* u/ {# ]/ G" i+ Y: K基本函数形式是 linprog(c,A,b) , c用于确定等值线(列向量),返回值为向量x。 + S1 W% Y& ^# U9 {. b0 n
其他的函数形式:
3 U: C) _: {% x$ s' q$ S; U( J1 ?[x,fval]=linprog(c,A,b,Aeq,beq,LB,UB,x0,OPTIONS) & k7 o. |* y/ f+ f
x0为向量x的初始值,一般使用zeros()函数 初始化,LB和UB分别是向量x的下界向量和上界向量。返回值为fval(目标函数c’ * x的值)。
# A0 r& {# w3 a& b3 v; w& ^# E$ r/ m# n# G: d( [- o
6.常见技巧+ y; B' F2 u3 T: I% s4 u/ f
6 U# ~7 k# X T' d- e问题为:
: ^7 e v( K; R! I* h( R; A! f, _3 D. s' C
min|x1|+|x2|+…+|xn| s.t. Ax≤b min|x1|+|x2|+…+|xn| s.t. Ax≤b + S% q& \: `+ @0 A; d/ i
事实上,对于任意的xixi,存在ui,viui,vi满足:
* b% R/ @' k+ [5 A! yxi=ui−vi , |xi|=ui+vixi=ui−vi , |xi|=ui+vi , A) X/ L0 z) k1 _
令 ui=(xi+|xi|2),vi=(|xi|−xi2)ui=(xi+|xi|2),vi=(|xi|−xi2)即可满足。3 @: a9 i; K' o
7 l+ i# D& c: w1 k转换为: 5 K" J7 ]( M5 F3 R) G
min ∑ni=1(ui+vi)min ∑i=1n(ui+vi)
; q6 w; Z# }9 r5 l8 F* a! _6 [s.t.{A(ui−vi)≤b,u,v≥0,s.t.{A(ui−vi)≤b,u,v≥0,
7 f* J8 ^3 ~( T' S0 S7.运输问题(产销平衡)
& Z, o1 k. e+ j; r r3 Z5 J $ f) E7 I# ?4 N" Y% y* p' p; U) v
) ~5 K2 i c9 h: O: C+ {
8.指派问题 1.数学模型
: y$ R/ r8 C5 h; }, c1 l+ w5 F
3 ?0 H! J/ z: K( @7 H# ]" q . C' i' j( _1 W8 Z! ]+ @
2.利用匈牙利算法
+ b$ T, z5 Z0 @ f$ f0 u算法主要思想:如果系数矩阵中C=(cijcij)一行(或一列)中每一个元素都加上或减去同一个数,得到新矩阵B,则以B或C为系数矩阵的指派问题具有相同的最优指派。
" X& ~2 U/ P& p( p# g最优指派的结果是一个2行n列的行列式,第一行为第i人,第二行为被指派的地点。
/ u$ J, P9 Q! l; X求解中心:变换出n个不同行不同列的零元素。: K* K+ L7 s6 U' [+ Q' h% e
- P$ j: W/ z4 m' k% A( i/ w; P' }0 X9 Z: m3 p, t
) v" h$ J4 e8 ^$ U* {/ r |
zan
|