数学建模预备知识——线性规划

线性规划

线性规划问题是再一组线性的约束条件下，求解一个线性目标函数的最大值或最小值的问题

在Matlab中，其标准形式为
$$\begin{gathered} min{f}^T\cdot x \\ s.t.\{\begin{array}{l}A\cdot x\le b\\ A_{eq}\cdot x=b_{eq}\\ lb\le x\le ub\end{array} \end{gathered}$$
其中$f$表示价值向量，$b$称为资源向量，$A$是不等限制关系矩阵，$A_{eq}$表示等于限制关系矩阵，$lb，ub$分别表示$x$的上下限矩阵，$f,b,b_{eq},lb,ub$均为列向量，$A,A_{eq}$均为矩阵

然后就可以调用Matlab中的线性规划函数linprog

Matlab中的linprog函数共有三种形式

$$\begin{gathered} \left[x,fval\right]=linprog(f,A,b) \\ \left[x,fval\right]=linprog(f,A,b,A_{eq},b_{eq}) \\ \left[x,fval\right]=linprog(f,A,b,A_{eq},b_{eq},lb,ub) \end{gathered}$$

示例 : 求解线性规划
$$\begin{gathered} maxz=2x_1+3x_2-5x_3 \\ s.t.\{\begin{array}{l}{x}_1+x_2+x_3=7\\ 2x_1-5x_2+x_3\ge 10\\ x_1+3x_2+x_3\le 12\\ x_1,x_2,x_3\ge 0\end{array} \end{gathered}$$
解：

先将问题转化为Matlab中的标准形式便于求解
$$\begin{gathered} minw=-2x_1-3x_2+5x_3 \\ s.t.\{\begin{array}{l}\left[\begin{array}{ccc}-2& 5& 1\\ 1& 3& 1\end{array}\right]\cdot \left[\begin{array}{c}{x}_1\\ x_2\\ x_3\end{array}\right]\le \left[\begin{array}{c}-10\\ 12\end{array}\right]\\ \left[\begin{array}{c}1,1,1\end{array}\right]\cdot {\left[\begin{array}{c}{x}_1,x_2,x_3\end{array}\right]}^T=7\\ {\left[\begin{array}{c}0,0,0\end{array}\right]}^T\le {\left[\begin{array}{c}{x}_1,x_2,x_3\end{array}\right]}^T\end{array} \end{gathered}$$
具体代码如下

f=[-2;-3;5]
a=[-2,5,-1;1,3,1]
b=[-10;12]
aeq=[1,1,1]
beq=7
lb=[0;0;0]
[x,y]=linprog(f,a,b,aeq,beq,lb)
x,y=-y

对于一些看起来不能用线性规划解决的问题可以通过一定的转化，将其变为线性规划问题来解决

形如
$$\begin{gathered} min|x_1|+|x_2|+|x_3|+\cdots +|x_n| \\ s.t.Ax\le b \end{gathered}$$
注意到总可以找到 $x_i=u_i-v_i,|x_i|=u_i+v_i$ ，此时只需要取 $u_i=\frac{|x_i|+x_i}{2},v_i=\frac{|x_i|-x_i}{2}$

记 $u=[u_1,u_2,\cdots ,u_n{]}^T,v=[v_1,v_2,\cdots ,v_n{]}^T$，进而将问题转化为
$$\begin{gathered} min\sum _{i=1}^n(u_i+v_i) \\ s.t.\{\begin{array}{l}A(u-v)\le b\iff [A,-A]\cdot \left[\begin{array}{c}u\\ v\end{array}\right]\le b\\ u,v\ge 0\end{array} \end{gathered}$$

示例：求解线性规划
$$\begin{gathered} min|x_1|+2|x_2|+3|x_3|+4|x_4|, \\ s.t.\{\begin{array}{l}{x}_1-x_2-x_3+x_4\le -2\\ x_1-x_2+x_3-3x_4\le -1\\ x_1-x_2-2x_3+3x_4\le -\frac{1}{2}\end{array} \end{gathered}$$
解：

令$x_i=u_i-v_i,|x_i|=u_i+v_i$，并且令$y=[u,v{]}^T$

题目可以转化为
$$\begin{gathered} min{u}_1+2u_2+3u_3+4u_4+v_1+2v_2+3v_3+4v_4 \\ s.t.\{\begin{array}{l}(u_1-v_1)-(u_2-v_2)-(u_3-v_3)+(u_4-v_4)\le -2\\ (u_1-v_1)-(u_2-v_2)+(u_3-v_3)-3(u_4-v_4)\le -1\\ (u_1-v_1)-(u_2-v_2)-2(u_3-v_3)+3(u_4-v_4)\le -\frac{1}{2}\end{array} \end{gathered}$$
令
$$\begin{gathered} f=[1,2,3,4,1,2,3,4{]}^T \\ A=\left[\begin{array}{c}1,-1,-1,1\\ 1,-1,1,-3\\ 1,-1,-2,3\end{array}\right] \\ b=[-2,-1,-\frac{1}{2}{]}^T \end{gathered}$$
调用Matlab中的linprog函数进行线性规划求解，具体代码如下

f=[1;2;3;4;1;2;3;4]
A=[1,-1,-1,1;1,-1,1,-3;1,-1,-2,3]
A=[A,-A]
b=[-2;-1;-1/2]
lb=[0;0;0;0;0;0;0;0]
[uv,F]=linprog(f,A,b,[],[],lb)
x=uv(1:4)-uv(5:8)
F

---

下面我们来建立一个评估投资收益和风险的模型，问题描述如下

市场上有$n$中资产$s_i(i=1,2,\cdots ,n)$，现在用总数为$M$（$M$相当大）的资产进行投资。这$n$种资产在这一时期内购买$s_i$的平均收益率为$r_i$，风险损失率为$q_i$，投资约分散，总的风险越少，总体风险用投资$s_i$中最大的风险率来衡量。购买$s_i$时的需要缴纳的交易费率为$p_i$，当购买不超过定值$u_i$的时候，交易费按照$u_i$计算。同期银行的存款利率为$r_0(r_0=5\%)$。投资的相关数据如下表所示

$s_i$	$r_i/\%$	$q_i/\%$	$p_i/\%$	$u_i/元$
$s_1$	28	2.5	1	103
$s_2$	21	1.5	2	198
$s_3$	23	5.5	4.5	52
$s_4$	25	2.6	6.5	40

给公司设计一种投资方案，使得在给定资金$M$的情况下，有选择的购买若干种资产或进行银行存款，使得净收益尽可能大，总体风险尽可能小

符号规定和基本假设

1. 符号规定

   $x_i$表示投资$s_i$的资金数量

   $a$表示总的风险度

   $Q$表示总体收益

   $s_0$表示银行存款，$x_0,r_0,q_0,p_0$表示银行存款的金额、利率、风险率、费率$(r_0=5\%,q_0=0,p_0=0)$

2. 基本假设

   投资总数$M$非常大，且可以认为任意的 $x_i>u_i$

   总体风险度用投资各个资产的最大风险来评估

   $n+1$种资产之间是相互独立的

   在投资的这段时间内，$r_i,p_i,q_i$ 均为定值

模型的分析和建立

1. 总体风险用投资$s_i$的最大风险来衡量
   a = m a x { q i x i ∣ i = 1 , 2 , ⋯   , n } a=max\{q_ix_i|i=1,2,\cdots,n\} a=max{qi​xi​∣i=1,2,⋯,n}

2. 在总资产$M$很大的时候，可认为投资任一$s_i$的资金都超过$u_i$，所以投资$s_i$的收益可以简化为$(r_i-p_i)x_i$，则总体收益$Q$可以表示为
   $$Q=\sum _{i=0}^n(r_i-p_i)x_i$$

3. 整个问题可以描述为在总资产$M$一定的情况下，使得总体收益尽可能大，总体风险度尽可能小的一个多目标规划模型
   { m a x ∑ i = 0 n ( r i − p i ) x i m i n { max ⁡ 1 ≤ i ≤ n { q i x i } } s . t . { ∑ i = 0 n ( 1 + p i ) x i = M x i ≥ 0 , i = 1 , 2 , ⋯   , n \begin{cases} max\sum\limits_{i=0}^{n}(r_i-p_i)x_i \\ min\{\max\limits_{1\leq i\leq n}\{q_ix_i\}\} \end{cases} \\ s.t. \begin{cases} \sum\limits_{i=0}^{n}(1+p_i)x_i=M\\ x_i\geq 0,i=1,2,\cdots ,n \end{cases} ⎩⎪⎨⎪⎧​maxi=0∑n​(ri​−pi​)xi​min{1≤i≤nmax​{qi​xi​}}​s.t.⎩⎨⎧​i=0∑n​(1+pi​)xi​=Mxi​≥0,i=1,2,⋯,n​

4. 在实际投资中，投资的收益和风险是对立的两个方面，因此要在两者之间进行一定的取舍，所以给两者赋予一定的权重$s$和$(1-s)$，模型可以更新为
   min ⁡ s ⋅ max ⁡ 1 ≤ i ≤ n { q i x i } − ( 1 − s ) ⋅ ∑ i = 0 n ( r i − p i ) x i s . t . { ∑ i = 0 n ( 1 + p i ) x i = M x i ≥ 0 , i = 1 , 2 , ⋯   , n \min \quad s\cdot \max\limits_{1 \leq i\leq n}\{q_ix_i\}-(1-s)\cdot \sum\limits_{i=0}^{n}(r_i-p_i)x_i \\ s.t. \begin{cases} \sum\limits_{i=0}^{n}(1+p_i)x_i=M\\ x_i\geq 0,i=1,2,\cdots ,n \end{cases} mins⋅1≤i≤nmax​{qi​xi​}−(1−s)⋅i=0∑n​(ri​−pi​)xi​s.t.⎩⎨⎧​i=0∑n​(1+pi​)xi​=Mxi​≥0,i=1,2,⋯,n​

模型的求解

令 v = max ⁡ 1 ≤ i ≤ n { q i x i } v=\max\limits_{1\leq i \leq n}\{q_ix_i\} v=1≤i≤nmax​{qi​xi​}，则可以增加一组不等限制条件 $q_i{x}_i\le v,i=1,2,\cdots ,n$

令$r=[0.05,0.28,0.21,0.23,0.25],p=[0,0.01,0.02,0.045,0.065],q=[0,0.025,0.015,0.055,0.026]$
$$\begin{gathered} y=[v,x_0,x_1,x_2,x_3,x_4{]}^T \\ f=[s,0.05(s-1),0.27(s-1),0.19(s-1),0.185(s-1),0.185(s-1){]}^T \\ A=\left[\begin{array}{cccccc}-1& 0& 0& 0& 0& 0\\ -1& 0& 0.01& 0& 0& 0\\ -1& 0& 0& 0.02& 0& 0\\ -1& 0& 0& 0& 0.045& 0\\ -1& 0& 0& 0& 0& 0.065\end{array}\right] \\ b=[0,0,0,0,0{]}^T \\ {A}_{eq}=[1,1.01,1.02,1.045,1.065{]}^T \\ lb=[0,0,0,0,0,0{]}^T \end{gathered}$$
调用Matlab中的linprog函数进行求解

具体代码如下

s=0
r=[0.05,0.28,0.21,0.23,0.25]
q=[0,0.025,0.015,0.055,0.026]
p=[0,0.01,0.02,0.045,0.065]
A=[ones(5,1),diag(p)]
b=zeros(5,1)
Aeq=[0,ones(1,5)+p]
beq=100
lb=zeros(6,1)
while s<=1
   f=[s;0.05*(s-1);0.27*(s-1);0.19*(s-1);0.185*(s-1);0.185*(s-1)]
   [x,fval]=linprog(f,A,b,Aeq,beq,lb)
   x
   a=x(1)
   Q=-(f'*x-x(1)*f(1))
   subplot(1,2,1)
   plot(s,a,'b+')
   hold on
   subplot(1,2,2)
   plot(s,Q,'r*')
   hold on
   s=s+0.05
end