线性规划

数学简述

• 线性规划其实在高中就已经接触过，其原理并不复杂，即通过线性约束条件，解决最优问题，但进入大学后，那肯定会对其定义概念进行升级一番，要不然不就显得很弟弟，于是加入矩阵后，其标准的问题型为:
  其实上述的约束条件，个人认为就是对三类约束的分类：
• 维数约束（每一个相等条件都是一种降维）
• 线性约束
• 域约束

上述为标准型的线性规划问题，其实线性规划也能够抽象解决离散问题，比如我在建模书上看到用其解决带有离散性质的绝对值问题，但建模书中，又讲用线性规划去解决指派问题（图论中讨论的问题），我觉的这很没道理，虽然在模型的构建上能够说的过去（x范围为（0,1））但其都没有所谓的域的概念，何谈线性呢？指派问题还是应该归结到图论中的极大匹配问题，才是正解。

Matlab试跑

简单的测试代码：

 f=[-2;-3;5];
 a=[-2,5,-1;1,3,1];
 b=[-10,12];
 aeq=[1,1,1]
 beg=7;
 [x,-y]=linprog(f,a,b,aeq,beg,zeros(3,1));

可以看出其语法格式还是挺简单的，但要在使用过程中依据matlab标准线性规划型进行灵活的变换。

• 或许是鄙人见识浅薄了，刚才又发现matlab能对整数进行规划，问题和代码如下：
  

f_12=[7 5 9 6 3];
ic_12=[1,2,3,4,5];
A_12=[56,20,54,42,15;1,4,1,0,0;-1,-2,0,-1,-2];
b_12=[100;4;-2];
lb_12=zeros(5,1);
ub_12=ones(5,1);
[x_12,fval_12,flag_12]=intlinprog(f_12,ic_12,A_12,b_12,[],[],lb_12,ub_12)

此题我们不难发现，如果要进行整数的规划的话，只需要在linprog前，加一个int，就可以，如果要实现0,1二值规划，只需要在整数规划的基础上，加一个最大不超过2的线性限制就可以了。

可视化

除了上述问题外，怎么实现可视化，也是一个重要的问题，图论的话，matlab有专门的可视化工具，但线性规划去做可视化的话，好像没有专门的模块，但我们通过matlab的画图模块，自己做约束条件，能够很容易的实现上述目的，或者利用python 的matlibplot库去实现均可。