- 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
- 23475 点
- 威望
- 2 点
- 阅读权限
- 200
- 积分
- 7546
- 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   50.92% 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。
3 g. _6 r k$ J+ [ L9 j5 M( R) s ) n- {! g s& N7 ]2 r
x1,x2为决策变量,约束条件记为s.t.(subject to)。" [; U0 g9 Q- E7 F/ p! n
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
8 v: G) E* L! @" p" M- h" s; b![]()
) n8 X: q! u. W. s, B5 A9 ^4 |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)。
- x% |0 F9 N% m0 a1 e7 A Q# x) P, j$ ~" D+ o; a0 F2 O
例如:
, w( J4 c5 ]9 v/ {) Q" Nmax cTx s.t. Ax≥b max cTx s.t. Ax≥b 8 d# W+ }4 [( G" W3 q! `
matlab中为:
1 e/ \) _5 S" j/ Z; S2 S8 F3 emin −cTx s.t. −Ax≤b min −cTx s.t. −Ax≤b
2 `8 A( @2 H4 z1 h3.线性规划中解的概念8 h2 F* `8 i1 O% i) k8 H1 b1 H
( A0 n; R( K: Q* @5 s0 i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。 2 r+ y0 Q+ d! q
可行域:所有可行解构成的集合称为问题的可行域,记为R。7 L/ ^) X2 |( p' b: O2 @
( d8 Z$ O/ A# v) b5 Z- F l
4.一般的线性规划问题
( c+ ]# p: p0 l! P! ^3 Q! E+ V$ a
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。
* ~ t. h( E0 R
% @ X( @ I# t9 P' _5.matlab中线性规划求解过程& R) S2 W& h h6 V
3 A" y( ] ^9 I: t5 `& j0 N① 利用linprog函数返回最小值解向量。
5 ^2 P8 c ]1 q, G7 ~5 S② value = c’ * x求最小值。
8 J4 Q m$ V9 t' h" g9 ?/ g* t% S: a p5 d7 i
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。 + u( A, Z. G9 r2 Q' j# H3 _
其他的函数形式: / d- _ s+ f/ |- |5 R. x+ h
[x,fval]=linprog(c,A,b,Aeq,beq,LB,UB,x0,OPTIONS) 4 Z3 G z/ r) P
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)。3 l; `$ I/ |2 E" B3 ]5 F$ c0 l
. Z; a0 H. {/ L' S7 a, i R2 z: t
6.常见技巧2 G; w$ q3 X0 {/ X8 K' V' j
& E2 U, P R9 X5 Z \0 h& s. u
问题为:, Q* T% t1 e& F# ?1 P7 D( I3 N; Z7 O
1 c* c1 c" J$ k3 J- O
min|x1|+|x2|+…+|xn| s.t. Ax≤b min|x1|+|x2|+…+|xn| s.t. Ax≤b 3 e( X( a/ [3 O3 e, c
事实上,对于任意的xixi,存在ui,viui,vi满足:
* @; m- i: P1 [& l+ D& W6 Oxi=ui−vi , |xi|=ui+vixi=ui−vi , |xi|=ui+vi 7 E$ N6 O" s: I/ `
令 ui=(xi+|xi|2),vi=(|xi|−xi2)ui=(xi+|xi|2),vi=(|xi|−xi2)即可满足。
6 X0 E4 o: r8 T( ? `8 |
3 |, V- O" w+ e" z/ J转换为:
2 e. p" ^2 S$ I3 c0 z- _4 A* Gmin ∑ni=1(ui+vi)min ∑i=1n(ui+vi)
+ \: F' \$ Y! Q# P; J' Js.t.{A(ui−vi)≤b,u,v≥0,s.t.{A(ui−vi)≤b,u,v≥0,
8 G: A6 j$ f2 q; ~) ]8 f7.运输问题(产销平衡)
6 m# E7 [5 U# A' ^. M 2 j" r; Z- }/ Y. h, {3 w4 p
. h& a" k5 F3 r& F
8.指派问题 1.数学模型
$ |3 g8 }% q0 G6 l& N
, ?' k5 b5 G/ n K; |( `, c & w7 V+ } N7 V: n+ q: r3 A
2.利用匈牙利算法
. z9 S* q- c1 m. h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。
1 N" ?5 A& h: L5 V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。
6 t; F2 j- v8 N; f' S9 c! z2 A求解中心:变换出n个不同行不同列的零元素。
- Z# e; {; Z# E1 H+ @
' T2 [$ s( \3 D1 M, w: [. G" |# }" D- ]9 {, s$ G
* x- U D7 v( i) R# T/ @$ Q |
zan
|