【数学建模】线性规划

1.线性规划简介

线性规划（LP）是数学规划的一个分支。

x1,x2为决策变量，约束条件记为s.t.（subject to）。

2.线性规划的matlab标准形式

线性规划的目标函数可以求最大值也可以求最小值，约束条件的不等号可以是小于号也可以是大于号，因此在matlab中给出了统一形式。

其中c和x均为n维列向量，A、Aeq为适当维数（列数与x维数相同，行数与约束条件数相同）,b、beq为适当维数的列向量（维数与约束条件数相同）。

例如：
$max~~c^{T}x ~~s.t. ~~~Ax\geq b\ $

matlab中为：
$min~~-c^{T}x~~s.t.~~~-Ax\leq b\ $

3.线性规划中解的概念

可行解：满足约束条件的 解x = （x1,x2…xn），称为线性规划问题的可行解，从而使目标函数达到最大值或者最小值的可行解称为最优解。
可行域：所有可行解构成的集合称为问题的可行域，记为R。

4.一般的线性规划问题

在一般的n维空间中，满足 $\sum_{i=1}^{n}a_ix_i~=~b$ 的点集称为一个超平面，而满足 $\sum_{i=1}^{n}a_ix_i~\geq~b$ （或者$\sum_{i=1}^{n}a_ix_i~\leq~b$ ）的点集称为一个半平面，若干个半平面的交集称为多胞形，有界的多胞形称为多面体。因此线性规划的可行域必定为多胞形（空集也视为多胞形）。若该区域R为凸集，则凸集中的任意两点的连线必然在该凸集中，若x为区域R的极点，则x不能位于R中的任意两点的连线上。

5.matlab中线性规划求解过程

① 利用linprog函数返回最小值解向量。
② value = c’ * x求最小值。

基本函数形式是 linprog(c,A,b) , c用于确定等值线（列向量），返回值为向量x。
其他的函数形式：
[x,fval]=linprog(c,A,b,Aeq,beq,LB,UB,x0,OPTIONS)
x0为向量x的初始值，一般使用zeros()函数 初始化，LB和UB分别是向量x的下界向量和上界向量。返回值为fval（目标函数c’ * x的值）。

6.常见技巧

问题为：

$\min |x_1|+|x_2|+…+|x_n|~~s.t. ~~Ax\leq b\ $
事实上，对于任意的$x_i$，存在$u_i,v_i$满足：
$x_i = u_i - v_i ~~ , ~~ |x_i| =u_i+v_i$
令 $u_i = (\frac{x_i+|x_i|}{2}) , v_i = (\frac{|x_i|-x_i}{2})$即可满足。

转换为：
$min ~~ \sum_{i=1}^{n}(u_i+v_i)$
$s.t. \begin{cases} A(u_i-v_i) \leq b, \\ u,v \geq 0, \end{cases}$

7.运输问题（产销平衡）

8.指派问题

1.数学模型

2.利用匈牙利算法
算法主要思想：如果系数矩阵中C=($c_{ij}$)一行（或一列）中每一个元素都加上或减去同一个数，得到新矩阵B，则以B或C为系数矩阵的指派问题具有相同的最优指派。
最优指派的结果是一个2行n列的行列式，第一行为第i人，第二行为被指派的地点。
求解中心：变换出n个不同行不同列的零元素。