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 cTx s.t. Ax≥b
m
a
x
c
T
x
s
.
t
.
A
x
≥
b
matlab中为:
min −cTx s.t. −Ax≤b
m
i
n
−
c
T
x
s
.
t
.
−
A
x
≤
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 ∑ni=1aixi = b ∑ i = 1 n a i x i = b 的点集称为一个超平面,而满足 ∑ni=1aixi ≥ b ∑ i = 1 n a i x i ≥ b (或者 ∑ni=1aixi ≤ b ∑ i = 1 n a i x i ≤ 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|x1|+|x2|+…+|xn| s.t. Ax≤b
min
|
x
1
|
+
|
x
2
|
+
…
+
|
x
n
|
s
.
t
.
A
x
≤
b
事实上,对于任意的
xi
x
i
,存在
ui,vi
u
i
,
v
i
满足:
xi=ui−vi , |xi|=ui+vi
x
i
=
u
i
−
v
i
,
|
x
i
|
=
u
i
+
v
i
令
ui=(xi+|xi|2),vi=(|xi|−xi2)
u
i
=
(
x
i
+
|
x
i
|
2
)
,
v
i
=
(
|
x
i
|
−
x
i
2
)
即可满足。
转换为:
min ∑ni=1(ui+vi)
m
i
n
∑
i
=
1
n
(
u
i
+
v
i
)
s.t.{A(ui−vi)≤b,u,v≥0,
s
.
t
.
{
A
(
u
i
−
v
i
)
≤
b
,
u
,
v
≥
0
,
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=(
cij
c
i
j
)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。