- 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。 , g" U' q2 Z% B @/ w
![]()
) X3 r) P+ M7 ]7 N% Ox1,x2为决策变量,约束条件记为s.t.(subject to)。
0 b% v& m6 y* z& b$ b) O+ ]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
! o+ `! m) d3 s% X2 E( u8 D![]()
/ G* z$ d# f; [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)。$ m0 G' [, |6 d- P, |3 o. r) B
1 F3 ]. b( ~3 B' k) A5 ]( _7 @+ N例如:
M5 x5 p& _3 |0 b7 {" @. qmax cTx s.t. Ax≥b max cTx s.t. Ax≥b , c" }% H2 i( x2 g: p2 {5 A
matlab中为: 8 Y9 L/ g7 {: `* e) x
min −cTx s.t. −Ax≤b min −cTx s.t. −Ax≤b / f4 o) A; P, c: F& C& @, G
3.线性规划中解的概念
9 p$ ?2 \4 d; ]9 v: ]
+ I- r, E# s: }+ g! m" F# L& f* @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。 3 I% ~( p# q& S, q' T3 Z
可行域:所有可行解构成的集合称为问题的可行域,记为R。! a, ?! `9 V- o* C8 I
* I. D: W9 N' |3 G4.一般的线性规划问题
1 b5 `3 b. r; t% j4 ?5 |) Q) R: o4 g: H7 ~$ c- p
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。9 x+ ~% ?! ^6 `9 ?& o: l
- ^3 U, Z( ^: o& z" o0 C7 I
5.matlab中线性规划求解过程
& \$ c) p% d: K
) i2 g2 Q, Q) h① 利用linprog函数返回最小值解向量。 . L3 s9 F7 b6 ~
② value = c’ * x求最小值。
/ U" }! A( U! f+ C t1 h2 C* a* j7 N+ f% k/ f( z2 T
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。 3 T3 l( Q, Y5 X$ ?
其他的函数形式: 0 p4 k0 Z' @: Z) s4 M: @0 ^% w
[x,fval]=linprog(c,A,b,Aeq,beq,LB,UB,x0,OPTIONS)
* A/ D( e) d5 f; Y- i" Wx0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 }/ W$ _- R& ` f* }2 j, I* V. K0 B6 |( |6 M, e/ ~+ {8 R
6.常见技巧, L! o* C: c' F4 H( K
( T* P" f$ K& Y* L
问题为:
# w) ^- e) G! Q% d6 h% U( t- `- N2 w, x, V* R+ \* [
min|x1|+|x2|+…+|xn| s.t. Ax≤b min|x1|+|x2|+…+|xn| s.t. Ax≤b
- t- i1 _4 w( z9 |事实上,对于任意的xixi,存在ui,viui,vi满足:
* w6 F3 L1 O/ pxi=ui−vi , |xi|=ui+vixi=ui−vi , |xi|=ui+vi
2 p+ [7 G9 n' [0 f令 ui=(xi+|xi|2),vi=(|xi|−xi2)ui=(xi+|xi|2),vi=(|xi|−xi2)即可满足。
7 X' i) _: a9 \! H8 o- D5 L
' h7 A, j$ l; e% ]0 c+ U转换为: " Y# b( q7 L5 \& W/ Q3 K3 w
min ∑ni=1(ui+vi)min ∑i=1n(ui+vi)
9 W" j( w) u2 X9 Y4 ?s.t.{A(ui−vi)≤b,u,v≥0,s.t.{A(ui−vi)≤b,u,v≥0,
2 `. g1 d2 p( H5 z& s6 w& r7.运输问题(产销平衡)7 A5 C& Q/ l$ ]) s! ]+ e- F0 y/ l$ t
![]()
. {1 A/ }4 Z3 j" B' H6 t( [
- z* D! R% r- d+ M, k, B( i% i8.指派问题 1.数学模型 2 i) E; a1 q7 u* M# F/ U' S/ _
; O: W$ ?7 ^5 i; Z8 b![]()
) W" J+ |' P5 A0 u: d; x2.利用匈牙利算法 " `2 A9 {) T/ z
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。
2 M6 N' z$ }( b7 B, 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。 / o$ U0 b* j5 D4 d
求解中心:变换出n个不同行不同列的零元素。
, V+ n! ]/ D, t- D$ Z" Z+ K3 L
& h) k' m1 b9 H, N {# G" P& B4 u
- V- H3 v( r3 j1 k0 h5 l5 T* u# o+ d( \' i& E
|
zan
|