将 max 或 min 或 0-1 判断条件转为线性表达式

数学建模过程中,经常会遇到下面的表达式:
x = max ⁡ { y , 0 } x=\max\{y, 0\} x=max{y,0}
这是一个非线性表达式,如何将这个表达式转化为线性,进而调用线性规划软件求解呢?通常需要引入一个 0-1 变量 δ \delta δ, 一个大常数 M,转化为五个不等式。如下:
x ≤ y + ( 1 − δ ) M x ≥ y − ( 1 − δ ) M x ≤ δ M y ≤ δ M x ≥ 0 \begin{aligned} x&\leq y +(1-\delta)M\\ x&\geq y-(1-\delta)M\\ x&\leq \delta M\\ y&\leq \delta M\\ x&\geq 0 \end{aligned} xxxyxy+(1δ)My(1δ)MδMδM0

(不等式 y ≥ − ( 1 − δ ) M y\geq -(1-\delta) M y(1δ)M 不需要,因为自动满足)
上面第 2 个不等式也可以更简单地写成:
x ≥ y x\geq y xy

另外,假如有下面的 0-1 判断条件:
x = { a z = 1 b z = 0 x=\begin{cases} a\quad &z=1\\ b & z=0 \end{cases} x={abz=1z=0

则可以转化为下面的线性表达式:

x ≤ a + ( 1 − z ) M x ≥ a − ( 1 − z ) M x ≤ b + z M x ≥ b − z M \begin{aligned} x&\leq a+(1-z)M\\ x&\geq a-(1-z)M\\ x&\leq b+zM\\ x&\geq b-zM \end{aligned} xxxxa+(1z)Ma(1z)Mb+zMbzM

牢记这个小技巧非常方便!

minmax数学建模是一种优化方法,它旨在寻找一个决策变量的最佳取值,以最小化或最大化一个目标函数。这种建模方法通常用于解决决策问题,例如制定最佳投资组合、资源分配、路径规划等。 在minmax建模中,我们首先定义一个目标函数,希望将其最小化或最大化。然后,我们确定一组约束条件,以限制决策变量的取值范围或相关关系。接下来,我们将问题转化为一个数学表达式,通过对决策变量和目标函数进行合理的数学操作来达到最优解。 minmax模型的一种常见形式是线性规划问题。在线性规划中,目标函数和约束条件都是线性的,通过线性规划算法可以高效地求解最优解。另一种形式是非线性规划问题,其中目标函数或者约束条件中包含非线性关系,需要使用更复杂的算法来求解。 minmax数学建模的优点是可以将实际问题转化为数学问题,并确定一个全局最优解。它在实际应用中具有广泛的适用性,可以解决各种决策问题。然而,minmax建模也有一些局限性,例如可能存在多个最优解或者求解复杂度较高。 总之,minmax数学建模是一种重要的优化方法,通过将实际问题转化为数学问题,并使用相应求解算法,可以寻找到一个决策变量的最佳取值,从而优化目标函数的结果。它在决策问题中具有广泛的应用,并为我们提供了一种有效的问题求解思路。
评论 32
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

心态与习惯

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值