数学建模———线性规划问题

线性规划是规划类问题里面相对最简单的问题， matlab函数“linprog”是解决线性规划问题的关键。

说简单是最优解的问题，经常遇到的工厂利益最大化，抽象出来约束条件和目标函数，求最优解。

matlab求解线性规划问题，在模型抽象好了，约束条件目标函数确定之后，用linprog这样的函数来完成求最优解，先介绍一下这个函数。

[x,fval]=linprog(c,A,b,Aeq,beq,LB,UB,X0,OPTIONS)

函数的作用是用来求目标函数的最小解（注意是最小解min，matlab标准式规定求最小解，最大解问题须事先转换），参数由向量和矩阵组成。

x：返回的最优x解向量，n维的。

fval：返回目标函数的值。

c：n维列向量，目标函数的表达式由c的转置与个未知数组成的列向量乘积组成。

A：适当维数的矩阵，每一行都是由一个不等式的未知数系数组成的向量。

b：适当维数的列向量，与A匹配，描述所有的不等式约束。

Aeq：适当维数的矩阵，区别于A，每一行由等式未知数系数组成的向量。

beq：适当维数的列向量，与Aeq匹配，描述所有的等式约束。

LB：x的下界 ； UB：x的上界。

OPTIONS：控制参数。

--------------------------------------------------------

Examples（Matlab帮助文档的例子）

--------------------------------------------------------

Find x that minimizes

f(x) = –5x1 – 4x2 –6x3,

subject to

x1 – x2 + x3 ≤ 20
3x1 + 2x2 + 4x3 ≤ 42
3x1 + 2x2 ≤ 30
0 ≤ x1, 0 ≤ x2, 0 ≤ x3.

First, enter the coefficients

f = [-5; -4; -6];
A = [1 -1 1
3 2 4
3 2 0];
b = [20; 42; 30];
lb = zeros(3,1);

Next, call a linear programming routine.

[x,fval,exitflag,output,lambda] = linprog(f,A,b,[],[],lb);

Examine the solution and Lagrange multipliers:

x,lambda.ineqlin,lambda.lower

x =
0.0000
15.0000
3.0000

ans =
0.0000
1.5000
0.5000

ans =
1.0000
0.0000
0.0000

Nonzero elements of the vectors in the fields of lambda indicate active constraints at the solution. In this case, the second and third inequality constraints (in lambda.ineqlin) and the first lower bound constraint (in lambda.lower) are active constraints (i.e., the solution is on their constraint boundaries).

参见百度百科：

http://baike.baidu.com/link?url=d4muPKXDa9VTtzU7JG-yl897BJvU60udDSWZ4XZ8Z3c30qCv4EM_ZeNZubUU3gUo93L3pDOgr9Vz6LrBzHYr8q