数模笔记（一）：线性规划、整数规划及非线性规划1.0

数模笔记目录

数模笔记（一）：线性规划、整数规划及非线性规划

数模笔记（二）：层次分析法

数模笔记（三）：灰色系统分析方法

数模笔记（四）：插值与拟合

数模笔记（五）：变异系数法

数模笔记（六）：两变量相关性分析与主成分分析

数模笔记（七）：图论

🪐🌏🌌正文开始🤖🐧🦄

一、线性规划（Linear Programming）

 二、整数规划模型（Integer Programming）

（一）类型

        1.纯整数规划：所有决策变量要求取非负整数（这时引进的松弛变量和剩余变量可以不要求取整数）。

        2.全整数规划：除了所有决策变量要求取非负整数外， 系数aij和常数bi也要求取整数（这时引进的松弛变量和剩余变量也必须是整数）。

        3.混合整数规划：只有一部分的决策变量要求取非负整数，另一部分可以取非负实数。

        4.0-1整数规划：所有决策变量只能取 0 或 1 两个整数。

（二）解法

          1.首先不考虑整数约束，得到线性规划问题（一般称为松弛问题或伴随问题）

          2.分枝定界法

 

        3.割平面法

        （1）如果松弛问题(P0)无解，则(P)无解；

        （2）如果(P0)的最优解为整数向量，则也是(P)的最优解；

        （3）如果(P0)的解含有非整数分量，则对(P0) 增加割平面条件：即对(P0)增加一个线性约束，将(P0)的可行区域割掉一块，使得非整数解恰好在割掉的一块中， 但又没有割掉原问题(P)的可行解，得到问题(P1)，重复上述的过程。

        （4）割平面法基本步骤

                ①求解线性规划最优解

                ②𝑥𝑘为松弛变量，将松弛变量的系数𝑎𝑖𝑘以及资源限制𝑏𝑖𝑘分为整数部分与小数部分

                

                

                 

                ③ 

                

        4.匈牙利算法

        第一步：变换指派问题的系数(也称效率)矩阵(cij) 为(bij)，使在(bij) 的各行各列中都出现0元素，即

                (1) 从 (cij) 的每行元素都减去该行的最小元素；

                (2) 再从所得新系数矩阵的每列元素中减去该列的最小元素。

        第二步：进行试指派，以寻求最优解。

                在(bij)中找尽可能多的独立0元素，若能找出n个独立0元素，就以这n 个独立0元素对应解矩阵(xij)中的元素为1，其余为0，这就得到最优解。找独立0元素，常用的步骤为：

                (1)从只有一个0元素的行(列)开始，给这个0元素加圈，记作◎ 。然后划去◎ 所在列(行)的其它0元素，记作Ø ；这表示这列所代表的任务已指派 完，不必再考虑别人了。

                (2)给只有一个0元素的列(行)中的0元素记作◎；然后划去◎所在行的0元素，记作Ø。

                (3)反复进行(1)，(2)两步，直到尽可能多的0元素都被圈出和划掉为止。

                (4)若仍有没有划圈的0元素，且同行(列)的0元素至少有两个，则从剩有0元素最少的行(列)开始，比较这行各0元素所在列中0元素的数目，选择0元素少的那列的这个0元素加圈(表示选择性多的要“礼让”选择性少的)。然后划掉同行同列的其它0元素。可反复进行，直到所有0元素都已圈出和划掉为止。

                （5）若◎ 元素的数目m 等于矩阵的阶数n，那么这指派问题的最优解已得到。若m < n, 则转入下一步。

        第三步：作最少的直线覆盖所有0元素。

                (1)对没有◎的行打√号；

                (2)对已打√号的行中所有含Ø元素的列打√号；

                (3)再对打有√号的列中含◎ 元素的行打√号；

                (4)重复(2)，(3)直到得不出新的打√号的行、列为止；

                (5)对没有打√号的行画横线，有打√号的列画纵线，这就得到覆盖所有0元素的最少直线数 l 。l 应等于m，若不相等，说明试指派过程有误，回到第二步(4)，另行试指派；若 l＝m < n，须再变换当前的系数矩阵，以找到n个独立的0元素，为此转第四步。

        第四步：变换矩阵(bij)以增加0元素。

                在没有被直线覆盖的所有元素中找出最小元素，然后打√各行都减去这最小元素；打√各列都加上这最小元素（以保证系数矩阵中不出现负元素）。新系数矩阵的最优解和原问题仍相同。转回第二步。

 三、非线性规划

        1.一般形式

        在一组等式或不等式的约束下，求一个函数的最大值（或最小值）问题，其中至少有一个非线性函数，这类问题称之为非线性规划问题。

2.Matlab中非线性规划的数学模型

        其中f(x)是标量函数，A,b,Aeq,beq,lb,ub是相应维数的矩阵和向量，c(x),ceq(x)是非线性向量函数。

        在Matlab中的命令是[x,fval]=fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon,options)

        x的返回值是决策向量x的取值，fval返回的是目标函数的取值，其中fun是用M文件定义的函数 ；x0是x的初始值；A,b,Aeq,beq定义了线性约束如果没有线性约束，则A=[],b=[],Aeq=[],beq=[]；lb和ub是变量x的下界和上界，如果上界和下界没有约束，即x无下界也无上界，则lb=[]，ub=[]，也可以写成 lb的各分量都为-inf，ub的各分量都为inf；nonlcon是用M文件定义的非线性向量函数c(x),ceq(x)；options定义了优化参数，可以使用Matlab缺省的参数设置。

3.二次规划

        若某非线性规划的目标函数为自变量 的二次函数，约束条件又全是线性的，就称这种规划为二次规划。Matlab中二次规划的数学数学模型可表述如下

        这里H是实对称矩阵，f,b,beq,lb,ub是列向量，A，Aeq是相应维数的矩阵。Matlab中求解二次规划的命令是：[x,fval] = quadprog(H,f,A,b,Aeq,beq,lb,ub,x0,options)。返回值x是决策向量x的值，返回值fval是目标函数在x 处的值