【数学建模】线性规划

佛自业障

1.线性规划简介

线性规划（LP）是数学规划的一个分支。

x1,x2为决策变量，约束条件记为s.t.（subject to）。

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

7 Q+ D' w6 r  ?9 Y+ _) z) q
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）。

例如：
$ ~5 i% t$ r( D8 b7 a" N7 qmax  cTx  s.t.   Ax≥b max  cTx  s.t.   Ax≥b
1 |1 c0 Z8 u( M  B. Amatlab中为：
min  −cTx  s.t.   −Ax≤b min  −cTx  s.t.   −Ax≤b
7 s: i; H. {: M3.线性规划中解的概念

4 T' U8 I4 I$ d8 q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。
可行域：所有可行解构成的集合称为问题的可行域，记为R。
6 o# z! ^( o9 v, x
2 j+ U- r( w# k6 D; q) j. b/ R4.一般的线性规划问题

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。

5.matlab中线性规划求解过程

① 利用linprog函数返回最小值解向量。
② value = c’ * x求最小值。

8 ~; o& u% u. ~3 |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。
其他的函数形式：
4 o# r* _) B' a[x,fval]=linprog(c,A,b,Aeq,beq,LB,UB,x0,OPTIONS)
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）。
2 x" I, P1 g' y& X
( d+ T8 M# {# P2 Y1 S6.常见技巧

问题为：
4 E8 q2 k& ?9 v4 z) V2 `# r2 J& z( U; {
) t" I9 b9 M9 F6 D9 jmin|x1|+|x2|+…+|xn|  s.t.  Ax≤b min|x1|+|x2|+…+|xn|  s.t.  Ax≤b  
$ r( A% m- g* D0 b" }# k, r8 q事实上，对于任意的xixi，存在ui,viui,vi满足：
xi=ui−vi  ,  |xi|=ui+vixi=ui−vi  ,  |xi|=ui+vi
令 ui=(xi+|xi|2),vi=(|xi|−xi2)ui=(xi+|xi|2),vi=(|xi|−xi2)即可满足。
. Q+ \- C$ K6 T5 Y# d
转换为：
3 _; E1 g! a3 y$ k+ amin  ∑ni=1(ui+vi)min  ∑i=1n(ui+vi)
  r  a$ K3 Z+ ^s.t.{A(ui−vi)≤b,u,v≥0,s.t.{A(ui−vi)≤b,u,v≥0,
) [3 U; ]  z5 x3 o( s7.运输问题（产销平衡）

' L+ v9 T' t" x6 h! c- \  ]5 @
- O7 T$ Y% C7 N& }/ x

8.指派问题

1.数学模型

2.利用匈牙利算法
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。
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。
求解中心：变换出n个不同行不同列的零元素。