线性规划模型与求解
1.线性规划定义
1.1.线性规划模型
我们用不等式和单纯形法中顶点坐标的计算方法,给出线性规划模型的两种表示形式:不等式形式和等式形式
1.2.线性规划问题的解的概念
可行解:满足约束条件的解。
可行域:可行解构成的集合。
最优解:使目标函数达到最大(最小)值的解。
2.求解线性规划的matlab解法
2.1.基于matlab求解器的解法
首先应将问题化为标准模型
其中c和x为n维列向量,A、Aeq为适当维数的矩阵,b、beq为适当维数的列向量。【注意:matlab是求的是最小值,不等式的不等号是
≤
\le
≤】
用linprog命令求解线性规划问题 x返回值是决策向量取值,fval返回值是目标函数最优值 【命令中的空项目用[ ]代替即可】
[x,fval] = linprog(c,A,b)
[x,fval] = linprog(c,A,b,Aeq,beq)
[x,fval] = linprog(c,A,b,Aeq,beq,lb,ub)
2.2.基于问题的解法
当约束条件和目标函数比较复杂,运用求和符号或者连乘符号表示,或者决策向量是二维极其以上,用基于问题的解法比较简单。
以下题为例:
解得最优解为
x
1
=
2
,
x
2
=
6
x_1=2,x_2=6
x1=2,x2=6
目标函数最优值为26
求解matlab程序如下:
clc,clear
probl=optimproblem("ObjectiveSense","max");
%创建最大化线性规划问题(我们的问题是使目标函数值最大,所以要输"ObjectiveSense")
c=[4,3]; %目标函数系数向量
a=[2,1;1,1;0,1];
b=[10;8;7];
x=optimvar("x",2,1,"LowerBound",0);
%定义问题的符号决策向量
%x=optimvar(,行数,列数,,)
probl.Objective=c*x; %问题的目标函数
probl.Constraints=a*x<=b; %问题的约束条件
%如果约束条件有多类,可以再加个标签probl.Constraints.c1,这里只有一类约束条件,所以没有加
[sol,fval,flag,out]=solve(probl)
%一般的线性规划只需要[sol,fval]=solve(probl)
%其中fval是返回的最优值
sol.x %显示决策变量的取值
应用举例:
设 x i j x_{ij} xij为第i个月份租借期限为j的仓库面积,因为5月份不租仓库,所以 x 24 , x 33 , x 34 , x 42 , x 43 , x 44 = 0 x_{24},x_{33},x_{34},x_{42},x_{43},x_{44}=0 x24,x33,x34,x42,x43,x44=0,可建立如下模型:
解得最优解为:
x
11
=
3
,
x
14
=
12
,
x
31
=
8
x_{11}=3,x_{14}=12,x_{31}=8
x11=3,x14=12,x31=8
目标函数最优值是 118400
matlab程序如下:
clc,clear
prob=optimproblem;
x=optimvar("x",4,4,'LowerBound',0);
prob.Objective=2800*sum(x(:,1))+4500*sum(x(1:3,2))+6000*sum(x(1:2,3))+7300*x(1,4);
prob.Constraints=[sum(x(1,:))>=15
sum(x(1,2:4))+sum(x(2,1:3))>=10
sum(x(1,3:4))+sum(x(2,2:3))+sum(x(3,1:2))>=20
x(1,4)+x(2,3)+x(3,2)+x(4,1)>=12];
[sol,fval,flag,out]=solve(prob)
sol.x
3. 运输问题(产销平衡)
运输问题也是线性规划问题,其模型如下
可以用线性规划的解法解决,
应用举例
设 x i j x_{ij} xij表示从产地 A i A_i Ai运到到销售地 B j B_j Bj的量, c i j c_{ij} cij表示产地 A i A_i Ai运到到销售地 B j B_j Bj的运价, d i j d_{ij} dij表示销售地 B j B_{j} Bj的需求量, c i c_{i} ci表示产地的产量。
则目标函数就是使总的运费最小,约束条件有,销售地需求量等于运送量;运送量小于等于产地产量。
我们用基于问题的方法求解这个线性规划,得到
x
12
=
19
,
x
15
=
41
,
x
21
=
1
,
x
24
=
40
,
x
32
=
11
,
x
37
=
40
,
x
46
=
5
,
x
48
=
38
,
x
51
=
34
,
x
52
=
7
,
x
63
=
22
,
x
66
=
27
x_{12}=19,x_{15}=41,x_{21}=1,x_{24}=40,x_{32}=11,x_{37}=40,x_{46}=5,x_{48}=38,x_{51}=34,x_{52}=7,x_{63}=22,x_{66}=27
x12=19,x15=41,x21=1,x24=40,x32=11,x37=40,x46=5,x48=38,x51=34,x52=7,x63=22,x66=27
matlab程序如下`
clc,clear
a=readmatrix('data1.txt') %读取表中的数据
%%若数据是整行整列的表,则可以用load('文件名')
c=a(1:end-1,1:end-1);
%%end表示行、列的最大值
d=a(end,1:end-1);
e=a(1:end-1,end);
x=optimvar("x",6,8,'LowerBound',0) %定义决策向量
prob=optimproblem('Objective',sum(c.*x,'all'));
%定义问题,并写出目标函数
%这里sum(c.*x,'all')相当于sum(sum(c.*x))
prob.Constraints.c1=sum(x)==d;
%sum(A),不指定dim或指定dim为1,则自动计算成所有列向量数值的和;如果指定dim为2,则自动计算成所有行向量数值的和
prob.Constraints.c2=sum(x,2)<=e;
[sol,fval,flag,out]=solve(prob)
xx=sol.x
writematrix(xx,'data1.xlsx') %把数据贴到excel表格中,用于做表使用
4.问题记录
模型建立方面:
1.模型要注意灵敏度分析,即分析哪个变量的轻微波动对结果的影响更大(现实生活中难免决策变量会发生变化)
2.投资偏好系数:投资者在权衡资产风险和预期收益两方面时,希望选择一个令自己满意的投资组合,因此对风险和收益分别赋予权重,s称为投资偏好系数
记风险为P,收益为Q,则需要寻找一个s,使得
m
i
n
P
−
Q
min P-Q
minP−Q,或
m
a
x
Q
−
P
max Q-P
maxQ−P。