- 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
- 23473 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。 8 H$ b( ~; ~ \7 D: S# D
2 E, A' F3 d5 f9 d9 d" y/ ?
x1,x2为决策变量,约束条件记为s.t.(subject to)。6 a2 Q: w' R! Q4 g
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 C2 T! I# L- l0 Z 3 @- D0 \+ k0 v
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)。& T" G6 P1 z7 Y3 k
* O7 ?- `0 V& ? j; B- _* L例如: 8 ^7 S+ ]' `, @
max cTx s.t. Ax≥b max cTx s.t. Ax≥b
0 a' B0 m5 B- k0 smatlab中为:
4 a/ k9 g+ F% c. r! L6 ~7 Rmin −cTx s.t. −Ax≤b min −cTx s.t. −Ax≤b 5 Q4 A/ a o! X7 T: M% o0 T
3.线性规划中解的概念$ v6 t: g b* p) q) ~, h3 q
3 \! a5 ^# k1 [, v' {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 I' w9 O' J+ q0 ]& x
可行域:所有可行解构成的集合称为问题的可行域,记为R。/ b5 P* R: J" h* m8 |, |
- d# W; s, c! [4.一般的线性规划问题
- _$ y* J$ Q& q6 Q* U5 Q3 D7 b1 _, O5 j: }1 t0 Z: Y+ L% @% e
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。6 M$ I, T. A5 v4 c6 l$ j2 c
: c. K; {2 r3 Y& p7 i
5.matlab中线性规划求解过程
8 S! L7 @& g5 X- C; n% E l* O% k# |4 M9 {$ Y7 ?8 d5 l: O
① 利用linprog函数返回最小值解向量。 6 ] \7 m! f, `, O9 C( m, s
② value = c’ * x求最小值。
8 d/ K- n& z) u8 Q2 w2 S8 G A+ w
]. A# S. ^. n: P7 ?" Y/ C' e" f9 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。 * g. ^/ F, f3 h
其他的函数形式:
\, `! L% ?# f0 P' x[x,fval]=linprog(c,A,b,Aeq,beq,LB,UB,x0,OPTIONS)
2 T, ?9 S6 M3 F4 f: c- }5 S1 m8 Zx0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)。
* L6 O7 _9 o, P8 I- g
l, {9 Y& N! K- U6.常见技巧
6 S- k; c& D# ?/ S+ M# Z* _" q3 b
问题为:! r: v" D/ M9 x7 R j
+ V, B5 ?4 }% t6 i1 _min|x1|+|x2|+…+|xn| s.t. Ax≤b min|x1|+|x2|+…+|xn| s.t. Ax≤b
0 D- y! P. ~' U6 k事实上,对于任意的xixi,存在ui,viui,vi满足:
( z3 Q! V2 S- nxi=ui−vi , |xi|=ui+vixi=ui−vi , |xi|=ui+vi + Q% z4 x) u" t. y3 \
令 ui=(xi+|xi|2),vi=(|xi|−xi2)ui=(xi+|xi|2),vi=(|xi|−xi2)即可满足。
* x3 z, u! s3 a8 \, \4 {$ X% O" C/ o3 P8 V+ ]4 Y5 F
转换为: 8 `! d+ t" @" X% ?7 |
min ∑ni=1(ui+vi)min ∑i=1n(ui+vi) . f0 [1 W5 y l* ~
s.t.{A(ui−vi)≤b,u,v≥0,s.t.{A(ui−vi)≤b,u,v≥0,
D v$ ~9 D# X$ n4 K6 d7.运输问题(产销平衡)$ k( D; Q5 J1 a
![]()
7 J1 Q' R' u# o$ T
( r, g" E5 x- f/ f8.指派问题 1.数学模型 - V4 Z- c+ S- ?# ^0 Q7 n; f: F/ y
/ d2 X2 G$ @4 q2 Y9 \. K2 `' P8 M * T0 a' F# E0 ^. c: `$ f# l
2.利用匈牙利算法 6 R1 A/ R3 P/ s0 h, {$ E
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。 , F$ {& h& K) O2 G3 K
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。
. ?4 n6 Z( `+ H" B- u求解中心:变换出n个不同行不同列的零元素。
2 E4 G+ |% j9 y3 J
7 M2 r v3 G2 ^. z: U; x+ J7 N% f* a8 Q8 L* E: x
$ G0 {& {. v N; r/ K; Y8 F
|
zan
|