规划模型的概念
如何来分配有限资源，从而达到人们期望目标的优化分配数学模型，它在数学建模中处于中心地位。
这类问题一般可以归结为数学规划模型，规划模型的应用极为广泛，其作用已为越来越多的人所重视
规划模型是数学建模竞赛中最常见的一类数学模型
规划模型的数学描述
将一个优化问题用数学式子来描述，即求函数
u
=
f
(
x
)
x
=
(
x
1
,
x
2
,
…
,
x
n
)
u=f(x)\qquad x=(x_{1},x_{2},\dots,x_{n})
u=f(x)x=(x1,x2,…,xn)
x
x
x是一个向量
在约束条件
h
i
(
x
)
=
0
,
i
=
1
,
2
,
3
,
…
,
m
h_{i}(x)=0,i=1,2,3,\dots,m
hi(x)=0,i=1,2,3,…,m
m个等式和
g
j
(
x
)
≤
0
(
g
j
(
x
)
≥
0
)
,
j
=
1
,
2
,
…
,
p
g_{j}(x)\le 0(g_{j}(x)\ge 0),j=1,2,\dots ,p
gj(x)≤0(gj(x)≥0),j=1,2,…,p
p个不等式
u
=
f
(
x
)
u=f(x)
u=f(x)这个函数，在一组等式和一组不等式的约束下，来取最大值或最小值
x
→
决策变量
f
(
x
)
→
目标函数
x
∈
可行域
\begin{array}{} x \to 决策变量 \\ f(x) \to 目标函数 \\ x \in 可行域 \end{array}
x→决策变量f(x)→目标函数x∈可行域
整理一下
一个规划问题的数学模型可表示为
m
i
n
(
o
r
m
a
x
)
u
=
f
(
x
)
x
∈
Ω
s
.
t
.
h
i
(
x
)
=
0
,
i
=
1
,
2
,
3
,
…
,
m
.
g
j
(
x
)
≤
0
(
g
j
(
x
)
≥
0
)
,
j
=
1
,
2
,
…
,
p
.
\begin{array}{} 一个规划问题的数学模型可表示为 \\ min(or\quad max)u=f(x)\quad x\in \Omega \\ s.t.\quad h_{i}(x)=0,i=1,2,3,\dots,m. \\ g_{j}(x)\le 0(g_{j}(x)\ge 0),j=1,2,\dots ,p. \end{array}
一个规划问题的数学模型可表示为min(ormax)u=f(x)x∈Ωs.t.hi(x)=0,i=1,2,3,…,m.gj(x)≤0(gj(x)≥0),j=1,2,…,p.
- u = f ( x ) u=f(x) u=f(x)是目标函数
- x x x是决策变量
- h ( x ) 和 g ( x ) h(x)和g(x) h(x)和g(x)分别为等式约束和不等式约束，统称为约束条件
- s.t.就是subject to，受约束于的意思
规划模型的分类
- 根据是否存在约束条件
- 有约束问题
- 无约束问题
- 根据决策变量的性质
- 静态问题
- 动态问题
- 根据目标函数和约束条件表达式的性质
- 线性规划
- 非线性规划
- 二次规划
- 多目标规划
- 根据决策变量的允许值
- 整数规划(0-1)
- 实数规划
建立规划模型的一般步骤
- 确定决策变量
- 确定目标函数的表达式
- 寻找约束条件
线性规划模型
线性规划模型的一般形式
若在如下的模型中，
f
(
x
)
,
h
i
(
x
)
,
g
i
(
x
)
,
i
=
1
,
2
,
…
,
m
,
j
=
1
,
2
,
…
,
p
f(x),h_{i}(x),g_{i}(x),i=1,2,\dots,m,j=1,2,\dots,p
f(x),hi(x),gi(x),i=1,2,…,m,j=1,2,…,p，均为线性函数，则称该模型为线性规划模型
m
a
x
(
或
m
i
n
)
z
=
c
1
x
1
+
c
2
x
2
+
⋯
+
c
n
x
n
s
.
t
.
{
a
11
x
1
+
a
12
x
2
+
⋯
+
a
1
n
x
n
(
≤
=
≥
)
b
1
a
21
x
1
+
a
22
x
2
+
⋯
+
a
2
n
x
n
(
≤
=
≥
)
b
2
…
a
m
1
x
1
+
a
m
2
x
2
+
⋯
+
a
m
n
x
n
(
≤
=
≥
)
b
m
x
j
≥
0
(
j
=
1
,
2
,
…
,
n
)
\begin{array}{} max(或min)z=c_{1}x_{1}+c_{2}x_{2}+\dots+c_{n}x_{n} \\ s.t.\quad \left\{\begin{matrix} a_{11}x_{1}+a_{12}x_{2}+\dots+a_{1n}x_{n}(\le=\ge)b_{1} \\ a_{21}x_{1}+a_{22}x_{2}+\dots+a_{2n}x_{n}(\le=\ge)b_{2} \\ \dots \\ a_{m1}x_{1}+a_{m2}x_{2}+\dots+a_{mn}x_{n}(\le=\ge)b_{m} \end{matrix}\right. \\ x_{j}\ge 0(j=1,2,\dots,n) \end{array}
max(或min)z=c1x1+c2x2+⋯+cnxns.t.⎩
⎨
⎧a11x1+a12x2+⋯+a1nxn(≤=≥)b1a21x1+a22x2+⋯+a2nxn(≤=≥)b2…am1x1+am2x2+⋯+amnxn(≤=≥)bmxj≥0(j=1,2,…,n)
- 把目标函数写成线性表达式
- x j x_{j} xj是决策变量
- 约束条件里不管是等式还是不等式，都是线性函数
- 如同线代里的线性方程组
- 如果 x j x_{j} xj不是实数取值，是整数取值，又称为整数线性规划
建立线性规划模型的通常步骤
- 确定决策变量：
是模型要确定的未知变量，最重要的参数，是决策者解决实际问题的控制变量 - 确定目标函数：
目标函数决定线性规划问题的优化方向，是重要的组成部分。
实际问题的目标可表示为决策变量的一个线性函数，并根据实际问题的优化方向求其最大化或最小化 - 确定约束方程：
通过约束方程来描述和反映一系列客观描述条件或环境的限制，这些限制通过一系列线性等式或不等式方程组来描述 - 变量取值限制：
一般情况下，决策变量取正值(或负值)。因此，模型中应有变量的非负约束即 x j ≤ 0 x_{j}\le 0 xj≤0。
任务分配问题
![![[Pasted image 20240807081425.png]]](https://i-blog.csdnimg.cn/direct/4e594aa2086e4769a02adceddd4bf8b5.png)
![![[Pasted image 20240807081455.png]]](https://i-blog.csdnimg.cn/direct/d9b16a2fbf384344931d1c49f037c79c.png)
- 决策变量，设甲车床，生产工件1 x 1 x_{1} x1件，生产工件2 x 2 x_{2} x2件，生产工件3 x 3 x_{3} x3件，乙车床，生产工件1 x 4 x_{4} x4件，生产工件2 x 5 x_{5} x5件，生产工件3 x 6 x_{6} x6件
- 目标函数是希望加工费用最低
m i n z = 13 x 1 + 9 x 2 + 10 x 3 + 11 x 4 + 12 x 5 + 8 x 6 min\ z=13x_{1}+9x_{2}+10x_{3}+11x_{4}+12x_{5}+8x_{6} min z=13x1+9x2+10x3+11x4+12x5+8x6 - 约束条件：台时的限制和加工工件数量的限制
0.4 x 1 + 1.1 x 2 + 1.0 x 3 ≤ 800 0.5 x 4 + 1.2 x 5 + 1.3 x 6 ≤ 900 x 1 + x 4 = 400 x 2 + x 5 = 600 x 3 + x 6 = 500 x 1 , x 2 , x 3 , x 4 , x 5 , x 6 ≥ 0 \begin{array}{} 0.4x_{1}+1.1x_{2}+1.0x_{3}\le 800 \\ 0.5x_{4}+1.2x_{5}+1.3x_{6}\le 900 \\ x_{1}+x_{4}=400 \\ x_{2}+x_{5}=600 \\ x_{3}+x_{6}=500 \\ x_{1},x_{2},x_{3},x_{4},x_{5},x_{6}\ge 0 \end{array} 0.4x1+1.1x2+1.0x3≤8000.5x4+1.2x5+1.3x6≤900x1+x4=400x2+x5=600x3+x6=500x1,x2,x3,x4,x5,x6≥0
解
设在甲车床上加工工件1、2、3的数量分别为 x 1 , x 2 , x 3 x_{1},x_{2},x_{3} x1,x2,x3，在乙车床上加工工件1、2、3的数量分别为 x 4 , x 5 , x 6 x_{4},x_{5},x_{6} x4,x5,x6，可建立以下线性规划模型
m i n z = 13 x 1 + 9 x 2 + 10 x 3 + 11 x 4 + 12 x 5 + 8 x 6 s . t . { x 1 + x 4 = 400 x 2 + x 5 = 600 x 3 + x 6 = 500 0.4 x 1 + 1.1 x 2 + 1.0 x 3 ≤ 800 0.5 x 4 + 1.2 x 5 + 1.3 x 6 ≤ 900 x i ≥ 0 , i = 1 , 2 , … , 6 \begin{array}{} min\ z=13x_{1}+9x_{2}+10x_{3}+11x_{4}+12x_{5}+8x_{6} \\ s.t. \left\{\begin{matrix} x_{1}+x_{4}=400 \\ x_{2}+x_{5}=600 \\ x_{3}+x_{6}=500 \\ 0.4x_{1}+1.1x_{2}+1.0x_{3}\le 800 \\ 0.5x_{4}+1.2x_{5}+1.3x_{6}\le 900 \\ x_{i}\ge 0,i=1,2,\dots ,6 \end{matrix}\right. \end{array} min z=13x1+9x2+10x3+11x4+12x5+8x6s.t.⎩ ⎨ ⎧x1+x4=400x2+x5=600x3+x6=5000.4x1+1.1x2+1.0x3≤8000.5x4+1.2x5+1.3x6≤900xi≥0,i=1,2,…,6
加工奶制品的生产计划
![![[Pasted image 20240807084035.png]]](https://i-blog.csdnimg.cn/direct/8b697617c0f845469d30ac97c9906804.png)
![![[Pasted image 20240807084341.png]]](https://i-blog.csdnimg.cn/direct/459432b536ba4ca0a312fc8cead43f9c.png)
- 决策变量，这50桶里面，多少桶生产
A
1
A_{1}
A1多少桶生产
A
2
A_{2}
A2
x 1 x_{1} x1桶生产 A 1 A_{1} A1， x 2 x_{2} x2桶，生产 A 2 A_{2} A2 - 目标函数：
A
1
A_{1}
A1获利
24
⋅
3
x
1
24\cdot 3x_{1}
24⋅3x1，
A
2
A_{2}
A2获利
16
⋅
4
x
2
16\cdot 4x_{2}
16⋅4x2
m a x z = 72 x 1 + 64 x 2 max\ z=72x_{1}+64x_{2} max z=72x1+64x2 - 约束条件：
牛奶供应的限制，每天50桶
x 1 + x 2 ≤ 50 x_{1}+x_{2}\le 50 x1+x2≤50
劳动时间的限制，每天480工时
12 x 1 + 8 x 2 ≤ 480 12x_{1}+8x_{2}\le 480 12x1+8x2≤480
A 1 A_{1} A1每天最多生产100公斤
3 x 1 ≤ 100 3x_{1}\le 100 3x1≤100
非负约束
x 1 , x 2 ≥ 0 x_{1},x_{2}\ge 0 x1,x2≥0
线性规划模型的求解
简单线性规划模型的求解
对于一般只有两个决策变量的简单线性规划模型，可以通过图解法进行求解
l
1
:
x
1
+
x
2
=
50
l
2
:
12
x
1
+
8
x
2
=
480
l
3
:
3
x
1
=
100
l
1
:
x
1
=
0
,
l
5
:
x
2
=
0
\begin{array}{} l_{1}: x_{1}+x_{2}=50 \\ l_{2}: 12x_{1}+8x_{2}=480 \\ l_{3}: 3x_{1}=100 \\ l_{1}: x_{1}=0,l_{5}:x_{2}=0 \end{array}
l1:x1+x2=50l2:12x1+8x2=480l3:3x1=100l1:x1=0,l5:x2=0
![![[Pasted image 20240807181054.png]]](https://i-blog.csdnimg.cn/direct/3b3cdb4abbd94361b7b5fe076d566cad.png)
在B(20,30)取得最优解
目标函数和约束条件是线性函数，可行域为直线段围成的凸多边形，目标函数的等值线为直线
最优解一定在凸多边形的某一个顶点取得
线性规划模型的软件求解
有许多求解数学规划模型的多种软件，如Matlab，Lingo，Excel，其中Lingo编程简单，易于操作，求解速度快，是求解规划模型的主要手段
Lingo编程入门
Lingo主要功能特色
- 既能解决线性规划问题，也有较强的求解非线性规划问题的能力
- 输入模型简练直观
- 运行速度快，计算能力强
- 内置建模语言，提供几十个内部函数，从而能以较少语句，较直观的方式描述较大规模的优化模型
- 将集合概念引入编程语言，很容易将实际问题转换为Lingo模型
- 能方便地与Excel、数据库等其他软件交换数据
需要注意的几个基本问题
- 尽量使用实数优化，减少整数约束和整数变量
- 尽量使用光滑优化，减少非光滑约束的个数
尽量少使用绝对值，符号函数，变量求最大最小值，四舍五入，取整函数 - 尽量使用线性模型，减少非线性约束和非线性变量的个数
- 合理设定变量上下界，尽可能给出变量初始值
- 模型中使用的参数数量级要适当(小于 1 0 3 10^{3} 103)
需要注意的几个方面
- 正确阅读求解报告Solution Report
- 了解敏感性分析Range Report
- 集合的应用SETS
- 正确理解求解状态窗口Solver Status
- 学会设置基本的求解选项OPTIONS
- 掌握与外部文件的基本接口方法
Lingo编程中的重要细节
- 代码需要始终在英文半角状态下输入
- Lingo编程中，一般 < < <等同于 ≤ \le ≤， > > >等同于 ≥ \ge ≥
- 除了程序头尾以及其他内置语句(model,end,sets,endsets,data,enddata)外，其他语句均需要以分号结尾
- 注释语句用 ! ! !开始，分号结束
- Lingo默认状态下决策变量均为非负变量、
- Lingo在代码编译时，可以先按照集合段，目标段，约束段，逐段编译，完全编译通过后通过菜单"Lingo-Generate-Display model"来查看代码实现的模型
- Lingo代码错误最典型的是index错误，即变量下标的索引出错
Lingo求解
model:
min=13*x1+9*x2+10*x3+11*x4+12*x5+8*x6;
x1+x4=400;
x2+x5=600;
x3+x6=500;
0.4*x1+1.1*x2+x3<800;
0.5*x4+1.2*x6+1.3*x6<900;
end
![![[Pasted image 20240807203853.png]]](https://i-blog.csdnimg.cn/direct/b8e1ceffe59144afb278d47010781def.png)
目标函数值是14458.18
总共迭代次数2
加工奶制品求解
model:
max=72*x1+64*x2;
x1+x2<50;
12*x1+8*x2<480;
3*x1<100;
end
![![[Pasted image 20240807204631.png]]](https://i-blog.csdnimg.cn/direct/74a130de3e124a3d803d53a6ff566190.png)
最优解是z=3360，x1是20，x2是30
Row表示代码中的四个式子
- 1对应3360，表示max取到了3360
- 2对应0，表示50牛奶都被用来生产
- 3对应0，表示480个工时全部被用来生产
- 4对应40，表示100里面含有40的余量
原料无剩余，时间无剩余，加工能力剩余40
资源剩余为0的约束称为紧约束
Dual Price 影子价格
最优解下，资源增加1单位，效益的增量
- 48表示牛奶增加1单位，利润增长48
- 2表示工时增加1单位，利润增长2
- 0表示加工能力增长不影响利润
35元可以买到一桶牛奶，买吗？
35<48，所以应该买
可聘用临时工人，付出的工资最多是每小时几元？
应该<2
规划模型的Lingo多段式编程
- 集合段(SETS)
- 目标与约束段
- 数据段(DATA)：对集合的属性输入必要的常数数据
格式
属性=常数列表
常数列表中的数据用逗号分开，也可以用空格分开
变量名=？，运行时赋初值 - 初始段(INIT)：赋初值
- 计算段(CALC)：预处理
![![[Pasted image 20240807205936.png]]](https://i-blog.csdnimg.cn/direct/ee1408d74f954e0d97e84b165d3bb4d1.png)
每个季度都有，需求量，正常生产400，加班生产450，库存费用20
D
E
M
:
需求量
R
P
:
正常生产的产量
O
P
:
加班生产的产量
I
N
V
:
库存量
\begin{array}{} DEM:需求量 \\ RP:正常生产的产量 \\ OP:加班生产的产量 \\ INV:库存量 \end{array}
DEM:需求量RP:正常生产的产量OP:加班生产的产量INV:库存量
- 目标函数
m i n ∑ I = 1 4 [ 400 R P ( I ) + 450 O P ( I ) + 20 I N V ( I ) ] min\sum_{I=1}^{4}[400RP(I)+450OP(I)+20INV(I)] minI=1∑4[400RP(I)+450OP(I)+20INV(I)] - 约束条件
- 能力限制
R P ( I ) ≤ 40 , I = 1 , 2 , 3 , 4 RP(I)\le 40,\quad I=1,2,3,4 RP(I)≤40,I=1,2,3,4 - 产品数量平衡方程
I N V ( I ) = I N V ( I − 1 ) + R P ( I ) + O P ( I ) − D E M ( I ) , I = 1 , 2 , 3 , 4 I N V ( 0 ) = 10 \begin{array}{} INV(I)=INV(I-1)+RP(I)+OP(I)-DEM(I),\quad I=1,2,3,4 \\ INV(0)=10 \end{array} INV(I)=INV(I−1)+RP(I)+OP(I)−DEM(I),I=1,2,3,4INV(0)=10
本季度的库存，等价于上个季度的库存+本季度正常生产+本季度的加班生产-本季度的需求 - 变量的非负约束
MODEL:
//集合段
SETS:
QUARTERS/1,2,3,4/:DEM,RP,OP,INV;
ENDSETS
//目标段
MIN=@SUM(QUARTERS:400*RP+450*OP+20*INV);
//约束段
@FOR(QUARTERS(I):RP(I)<40);
@FOR(QUARTERS(I)|I#GT#1:
INV(I)=INV(I-1)+RP(I)+OP(I)-DEM(I););
INV(1)=10+RP(1)+OP(1)-DEM(1);
//数据段
DATA:
DEM=40,60,75,25;
ENDDATA
END
I#GT#1，对I的取值进行限制，表示I大于1，I可以取2，3，4
![![[Pasted image 20240807213209.png]]](https://i-blog.csdnimg.cn/direct/33b968969c6249028cb5d99024d6da8b.png)
![![[Pasted image 20240807213218.png]]](https://i-blog.csdnimg.cn/direct/02f5f7107266498c803f94e037b5291a.png)
结果表示生产总费用最小为78450
整数规划和0-1规划
整数规划问题的基本描述
要求全部或部分决策变量为整数的规划
分类：
- 纯整数规划
- 0-1整数规划
- 混合整数规划
求解：
满足整数要求的条件下确定达到的总体最优目标的最佳组合。其解为离散解
整数规划的数学描述
m
i
n
(
o
r
m
a
x
)
u
=
f
(
x
)
x
∈
Ω
s
.
t
.
h
i
(
x
)
=
0
,
i
=
1
,
2
,
3
,
…
,
m
.
g
j
(
x
)
≤
0
(
g
j
(
x
)
≥
0
)
,
j
=
1
,
2
,
…
,
p
.
其中决策变量
x
为整数，或者为
0
，
1
\begin{array}{} min(or\quad max)u=f(x)\quad x\in \Omega \\ s.t.\quad h_{i}(x)=0,i=1,2,3,\dots,m. \\ g_{j}(x)\le 0(g_{j}(x)\ge 0),j=1,2,\dots ,p. \\ 其中决策变量x为整数，或者为0，1 \end{array}
min(ormax)u=f(x)x∈Ωs.t.hi(x)=0,i=1,2,3,…,m.gj(x)≤0(gj(x)≥0),j=1,2,…,p.其中决策变量x为整数，或者为0，1
在Lingo编程中，决策变量为整数一般用
@
g
i
n
(
x
)
@gin(x)
@gin(x)表示；而0-1决策变量用
@
b
i
n
(
x
)
@bin(x)
@bin(x)表示
建设计划问题
![![[Pasted image 20240807214412.png]]](https://i-blog.csdnimg.cn/direct/2a684772a5db4331b1a127e27eef5fdb.png)
![![[Pasted image 20240807214424.png]]](https://i-blog.csdnimg.cn/direct/88c603a6fb814e2d8247fdcbb4fa6577.png)
设A、B两种类型的基地各建设
x
1
,
x
2
x_{1},x_{2}
x1,x2个
m
a
x
z
=
20
x
1
+
10
x
2
s
.
t
.
{
2000
x
1
+
5000
x
2
≤
13000
5
x
1
+
4
x
2
≤
24
x
1
≥
0
,
x
2
≥
0
且为整数
\begin{array}{} max\ z=20x_{1}+10x_{2} \\ s.t. \left\{\begin{matrix} 2000x_{1}+5000x_{2}\le 13000 \\ 5x_{1}+4x_{2}\le 24 \\ x_{1}\ge 0,x_{2} \ge 0且为整数 \end{matrix}\right. \end{array}
max z=20x1+10x2s.t.⎩
⎨
⎧2000x1+5000x2≤130005x1+4x2≤24x1≥0,x2≥0且为整数
人员安排问题
![![[Pasted image 20240807215722.png]]](https://i-blog.csdnimg.cn/direct/8717629315764ddc87f4335b05a9d2e6.png)
![![[Pasted image 20240807215747.png]]](https://i-blog.csdnimg.cn/direct/0f972640cda24660902e620697f0a040.png)
因为每个服务员的工作时间会跨过4个时段
为使服务部门服务员总数最少
设前五个时段安排的服务员各为
x
1
,
x
2
,
x
3
,
x
4
,
x
5
x_{1},x_{2},x_{3},x_{4},x_{5}
x1,x2,x3,x4,x5
m
i
n
z
=
x
1
+
x
2
+
x
3
+
x
4
+
x
5
s
.
t
.
{
x
1
≥
8
x
1
+
x
2
≥
10
x
1
+
x
2
+
x
3
≥
7
x
1
+
x
2
+
x
3
+
x
4
≥
6
x
2
+
x
3
+
x
4
+
x
5
≥
9
x
3
+
x
4
+
x
5
≥
12
x
4
+
x
5
≥
5
x
5
≥
2
x
j
≥
0
,
j
=
1
,
2
,
3
,
4
,
5
且为整数
\begin{array}{} min\ z=x_{1}+x_{2}+x_{3}+x_{4}+x_{5} \\ \\ s.t. \left\{\begin{matrix} x_{1}\ge 8 \\ x_{1}+x_{2}\ge 10 \\ x_{1}+x_{2}+x_{3}\ge 7 \\ x_{1}+x_{2}+x_{3}+x_{4}\ge 6 \\ x_{2}+x_{3}+x_{4}+x_{5}\ge 9 \\ x_{3}+x_{4}+x_{5}\ge 12 \\ x_{4}+x_{5}\ge 5 \\ x_{5}\ge 2 \\ x_{j}\ge 0,j=1,2,3,4,5且为整数 \end{matrix}\right. \end{array}
min z=x1+x2+x3+x4+x5s.t.⎩
⎨
⎧x1≥8x1+x2≥10x1+x2+x3≥7x1+x2+x3+x4≥6x2+x3+x4+x5≥9x3+x4+x5≥12x4+x5≥5x5≥2xj≥0,j=1,2,3,4,5且为整数
混合泳接力队的选拔
![![[Pasted image 20240807220716.png]]](https://i-blog.csdnimg.cn/direct/4d1c91263f8d4979bf28afbe0da1fdd4.png)
![![[Pasted image 20240807220736.png]]](https://i-blog.csdnimg.cn/direct/2641ce98b81d4570a8951360f397e839.png)
总共有120种组合方式
设甲是否蝶泳为
x
11
x_{11}
x11，是否仰泳为
x
12
x_{12}
x12，是否蛙泳为
x
13
x_{13}
x13，是否自由泳为
x
14
x_{14}
x14
以此类推
x
i
j
=
{
0
1
x_{ij}=\left\{\begin{matrix} 0 \\ 1 \end{matrix}\right.
xij={01取1表示，第i个人。去游第j种泳姿，取0表示第i个人，不游第j种泳姿
总共有20个决策变量，最终取1的只有四个，其他的都取0
表格里的成绩用
C
i
j
C_{ij}
Cij来表示
混合泳接力总成绩
∑
i
=
1
5
∑
j
=
1
4
C
i
j
x
i
j
\sum_{i=1}^{5}\sum_{j=1}^{4}C_{ij}x_{ij}
i=1∑5j=1∑4Cijxij
对运动员的约束：每个运动员最多参加一个项目
x
11
+
x
12
+
x
13
+
x
14
≤
1
x
21
+
x
22
+
x
23
+
x
24
≤
1
x
31
+
x
32
+
x
33
+
x
34
≤
1
x
41
+
x
42
+
x
43
+
x
44
≤
1
x
51
+
x
52
+
x
53
+
x
54
≤
1
\begin{array}{} x_{11}+x_{12}+x_{13}+x_{14}\le 1 \\ x_{21}+x_{22}+x_{23}+x_{24}\le 1 \\ x_{31}+x_{32}+x_{33}+x_{34}\le 1 \\ x_{41}+x_{42}+x_{43}+x_{44}\le 1 \\ x_{51}+x_{52}+x_{53}+x_{54}\le 1 \end{array}
x11+x12+x13+x14≤1x21+x22+x23+x24≤1x31+x32+x33+x34≤1x41+x42+x43+x44≤1x51+x52+x53+x54≤1
对泳姿的约束：每个项目必须有一个运动员参加
x
11
+
x
21
+
x
31
+
x
41
+
x
51
=
1
x
12
+
x
22
+
x
32
+
x
42
+
x
52
=
1
x
13
+
x
23
+
x
33
+
x
43
+
x
53
=
1
x
14
+
x
24
+
x
34
+
x
44
+
x
54
=
1
\begin{array}{} x_{11}+x_{21}+x_{31}+x_{41}+x_{51}= 1 \\ x_{12}+x_{22}+x_{32}+x_{42}+x_{52}= 1 \\ x_{13}+x_{23}+x_{33}+x_{43}+x_{53}= 1 \\ x_{14}+x_{24}+x_{34}+x_{44}+x_{54}= 1 \end{array}
x11+x21+x31+x41+x51=1x12+x22+x32+x42+x52=1x13+x23+x33+x43+x53=1x14+x24+x34+x44+x54=1
目标函数：
m
i
n
z
=
∑
i
=
1
5
∑
j
=
1
4
C
i
j
x
i
j
min\quad z=\sum_{i=1}^{5}\sum_{j=1}^{4}C_{ij}x_{ij}
minz=i=1∑5j=1∑4Cijxij
约束条件：
每人最多入选泳姿之一
∑
j
=
1
4
x
i
j
≤
1
i
=
1
,
…
,
5
\sum_{j=1}^{4}x_{ij}\le 1\qquad i=1,\dots,5
j=1∑4xij≤1i=1,…,5
每种泳姿有且只有1人
∑
i
=
1
5
x
i
j
≤
1
j
=
1
,
…
,
4
\sum_{i=1}^{5}x_{ij}\le 1\qquad j=1,\dots,4
i=1∑5xij≤1j=1,…,4
x
i
j
=
{
0
1
x_{ij}=\left\{\begin{matrix} 0 \\ 1 \end{matrix}\right.
xij={01
Lingo求解
MODEL:
sets:
person/1..5/;
position/1..4/;
link(person,position):c,x;
endsets
data:
c=66.8,75.6,87,58.6,
57.2,66,66.4,53,
78,67.8,84.6,59.4,
70,74.2,69.6,57.2,
67.4,71,83.8,62.4;
enddata
min=@sum(link:c*x);
@for(person(i):@sum(position(j):x(i,j))<1);
@for(position(j):@sum(person(i):x(i,j))=1);
@for(link: @bin(x));
END
![![[Pasted image 20240807224244.png]]](https://i-blog.csdnimg.cn/direct/aadde03379b343c69996af5d9570f97b.png)
![![[Pasted image 20240807223718.png]]](https://i-blog.csdnimg.cn/direct/df403517a16347a3aeb682bb24a64f91.png)
Matlab求解线性规划问题及优化工具箱
有关求解线性规划问题的命令
主要Matlab命令
X=linprog(c,A,b,Aeq,beq)
X=linprog(c,A,b,Aeq,beq,vlb,vub)
X=linprog(c,A,b,Aeq,beq,vlb,vub,x0)
X=linprog(c,A,b,Aeq,beq,vlb,vub,x0,options)
[x,fval,exitflag,output]=linprog(...)
linprog基本函数
括号中的是输入项
用Matlab优化工具箱解线性规划
模型1
M
i
n
z
=
c
X
s
.
t
.
A
X
≤
b
\begin{array}{} Min\ z=cX \\ s.t.\ AX\le b \end{array}
Min z=cXs.t. AX≤b
目标和约束都是矩阵形式
只有不等式约束
x
=
l
i
n
p
r
o
g
(
x
,
A
,
b
)
x=linprog(x,A,b)
x=linprog(x,A,b)
- c是目标函数的系数
- A是约束不等式的系数矩阵
- b是约束不等式的右单项
- x是输出的最优解
模型2
M i n z = c X s . t . { A X ≤ b A e q ⋅ X = b e q \begin{array}{} Min\ z=cX \\ s.t.\ \left\{\begin{matrix} AX\le b \\ Aeq\cdot X=beq \end{matrix}\right. \end{array} Min z=cXs.t. {AX≤bAeq⋅X=beq
x = l i n p r o g ( x , A , b , A e q , b e q ) x=linprog(x,A,b,Aeq,beq) x=linprog(x,A,b,Aeq,beq)
模型3
M i n z = c X s . t . { A X ≤ b A e q ⋅ X = b e q V L B ≤ X ≤ V U B \begin{array}{} Min\ z=cX \\ s.t.\ \left\{\begin{matrix} AX\le b \\ Aeq\cdot X=beq \\ VLB\le X\le VUB \end{matrix}\right. \end{array} Min z=cXs.t. ⎩ ⎨ ⎧AX≤bAeq⋅X=beqVLB≤X≤VUB
X=linprog(c,A,b,Aeq,beq,vlb,vub)
X=linprog(c,A,b,Aeq,beq,vlb,vub,x0)
x0表示初始点
[x,fval]=linprog(...)
返回最优解x及x处的目标函数值fval
例子
m a x z = 0.4 x 1 + 0.28 x 2 + 0.32 x 3 + 0.72 x 4 + 0.64 x 5 + 0.6 x 6 s . t . { 0.01 x 1 + 0.01 x 2 + 0.01 x 3 + 0.03 x 4 + 0.03 x 5 + 0.03 x 6 ≤ 850 0.02 x 1 + 0.05 x 4 ≤ 700 0.02 x 2 + 0.05 x 5 ≤ 100 0.03 x 3 + 0.08 x 6 ≤ 900 x j ≥ 0 j = 1 , 2 , … , 6 \begin{array}{} max\ z=0.4x_{1}+0.28x_{2}+0.32x_{3}+0.72x_{4}+0.64x_{5}+0.6x_{6} \\ s.t. \left\{\begin{matrix} 0.01x_{1}+0.01x_{2}+0.01x_{3}+0.03x_{4}+0.03x_{5}+0.03x_{6}\le 850 \\ 0.02x_{1}+0.05x_{4}\le 700 \\ 0.02x_{2}+0.05x_{5}\le 100 \\ 0.03x_{3}+0.08x_{6}\le 900 \\ x_{j}\ge 0\quad j=1,2,\dots,6 \end{matrix}\right. \end{array} max z=0.4x1+0.28x2+0.32x3+0.72x4+0.64x5+0.6x6s.t.⎩ ⎨ ⎧0.01x1+0.01x2+0.01x3+0.03x4+0.03x5+0.03x6≤8500.02x1+0.05x4≤7000.02x2+0.05x5≤1000.03x3+0.08x6≤900xj≥0j=1,2,…,6
c=[-0.4 -0.28 -0.32 -0.72 -0.64 -0.6];
A=[0.01 0.01 0.01 0.03 0.03 0.03;
0.02 0 0 0.05 0 0;
0 0.02 0 0 0.05 0;
0 0 0.03 0 0 0.08];
b=[850;700;100;900];
Aeq=[];beq=[];
vlb=[0;0;0;0;0;0];vub=[];
[x,fval]=linprog(c,A,b,Aeq,beq,vlb,vub)
matlab只求解最小的情况，如果要求解最大，需要加一个负号，把整个目标函数转化为最小
任务分配问题
m i n z = ( 13 9 10 11 12 8 ) X s . t . ( 0.4 1.1 1 0 0 0 0 0 0 0.5 1.2 1.3 ) X ≤ ( 800 900 ) ( 1 0 0 1 0 0 0 1 0 0 1 0 0 0 1 0 0 1 ) X = ( 400 600 500 ) , X = ( x 1 x 2 x 3 x 4 x 5 x 6 ) ≥ 0 \begin{array}{} min\ z=\begin{pmatrix} 13&9&10&11&12&8 \end{pmatrix} X\\ s.t.\ \begin{pmatrix} 0.4 & 1.1 &1&0&0&0 \\ 0&0&0&0.5&1.2&1.3 \\ \end{pmatrix} X\le\begin{pmatrix} 800 \\ 900 \end{pmatrix} \\ \begin{pmatrix} 1&0&0&1&0&0 \\ 0&1&0&0&1&0 \\ 0&0&1&0&0&1 \end{pmatrix} X=\begin{pmatrix} 400 \\ 600 \\ 500 \end{pmatrix}, X=\begin{pmatrix} x_{1} \\ x_{2} \\ x_{3} \\ x_{4} \\ x_{5} \\ x_{6} \end{pmatrix}\ge 0 \end{array} min z=(1391011128)Xs.t. (0.401.101000.501.201.3)X≤(800900) 100010001100010001 X= 400600500 ,X= x1x2x3x4x5x6 ≥0
f=[13 9 10 11 12 8];
A=[0.4 1.1 1 0 0 0
0 1 0 0 1 0
0 0 1 0 0 1];
beq=[400 600 500];
vlb=zeros(6,1);
vub=[];
[x,fval]=linprog(f,A,b,Aeq,beq,vlb,vub)
zeros表示一个列向量，六行一列的0
用Matlab工具箱解整数或0-1规划
X=intlinprog(c,intcon,A,b,Aeq,beq)
X=intlinprog(c,intcon,A,b,Aeq,beq,vlb,vub)
X=intlinprog(c,intcon,A,b,Aeq,beq,vlb,vub,x0)
X=intlinprog(c,intcon,A,b,Aeq,beq,vlb,vub,x0,options)
[x,fval,exitflag,output]=intlinprog(...)
intcon，用来指定整数变量
Matlab优化工具箱简介
![![[Pasted image 20240808005724.png]]](https://i-blog.csdnimg.cn/direct/bee91b74f8cf45de8f7c6e0f4f311109.png)
输入
![![[Pasted image 20240808005814.png]]](https://i-blog.csdnimg.cn/direct/852c446b914648b4ab91c97810fd62bd.png)
输出
![![[Pasted image 20240808005924.png]]](https://i-blog.csdnimg.cn/direct/6e1363ab727f45b685140c2fb150a25d.png)
5453
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
