一、优化模型(最近几年都在A、B赛题里占多数):
1.1 线性规划的念:线性规划模型由三部分组成:决策变量、目标函数、约束条件。
小编希望大家一定要记住:所有变量都是一次性。
适用题目:
看见最大最小率的可不是线性规划问题,因为率一般都是利润除以成本,那个自变量x是-1次方。
代码运用:
在matlab中,linprog是内置的线性规划函数,缺点是它只能取最小值,那我们怎么才能取最大值呢?很简单将所有变量及其y取相反数就可以
最后在matlab里面就是这么运用
上述是matlab代码下边是python代码
from scipy.optimize import linprog
import numpy as np
# 目标函数中变量的系数矩阵
c = np.array([-40, -30])
# 小于等于的约束条件
A = np.array([[1, 1],
[-1, 0],
[0, -1],
[240, 120]])
# 小于等于的约束常数项
b = np.array([6, -1, -1, 1200])
# 没有等式约束,初始化 A_eq 和 b_eq 为合适大小的零数组
A_eq = np.zeros((0, len(c))) # 0 行 len(c) 列的零矩阵
b_eq = np.array([]) # 空数组,因为没有等式约束
# 调用 linprog 函数求解线性规划问题
ans = linprog(c, A_ub=A, b_ub=b, A_eq=A_eq, b_eq=b_eq, method='highs')
# 输出结果
if ans.success:
print("Optimal solution found.")
print("x =", ans.x)
print("Objective function value:", -ans.fun)
else:
print("Optimization failed. Status:", ans.status)
1.2非线性规划:
概念:人们通常将非线性规划问题分为有约束和无约束两大类。
自我陈述:
经过我的实操,发现cvxpy在python里面总是出错以下是我的python代码
import cvxpy as cp
# 定义决策变量
x1 = cp.Variable(nonneg=True)
x2 = cp.Variable(nonneg=True)
x3 = cp.Variable(nonneg=True)
# 目标函数:正确地定义二次形式的和
# 使用cp.sum_squares直接对变量列表进行操作
objective = cp.Minimize(cp.sum_squares([x1, x2, x3]))
# 线性不等式约束条件
constraints = [
x1 - x2 + x3 >= 0, # x1 - x2 + x3 >= 0
x1 + x2 + x3 <= 20 # x1 + x2 + x3 <= 20
]
# 线性等式约束条件
eq_constraints = [
-x1 - x2 + 2 * x3 == 0, # -x1 - x2 + 2*x3 = 0
x2 + 2 * x3 == 3 # x2 + 2*x3 = 3
]
# 合并所有约束条件
all_constraints = constraints + eq_constraints
# 实例化并解决问题
prob = cp.Problem(objective, all_constraints)
prob.solve()
# 输出结果
print("Status:", prob.status) # 显示优化求解的状态
print("The optimal value is", prob.value) # 显示最优目标函数值
print("A solution found is", [x1.value, x2.value, x3.value]) # 显示变量的最优值
遇到的问题:
上述是我遇到的问题无法解决也尝试了很多次网上的也不行,所以如果油大佬看到可以留言评论区可以一起讨论。
用matlab解决是可以实现的
适用题型
1.3多目标规划:
如果还不理解我从别人的博客搞了点以便你们理解:
1.4整数规划
整数规划即为对数学规划加上变量取值必须为整数这一约束条件。其中,有线性整数规划和非线性整数规划两种问题。对于非线性整数规划,没有特定的算法来求解,只能使用近似算法(蒙特卡罗模拟、智能算法等),这里主要讲述线性整数规划。
[x, fval] = intlinprog(c, intcon, A, b, Aeq, beq, lb, ub) % 新版还有初始值参数X0,可以不指定
其参数含义和linprog类似,唯一不同的是intcon参数可以指定哪些变量是整数。
例如:
% x1, x2, x3 其中x1,x3是整数
intcon = [1, 3];
0-1规划即在整数规划的基础上,变量取值只有0或1。典型例子为0-1背包问题,感兴趣的同学可以自行查阅相关题目。求解方法也很简单,只需要对约束变量的上下界设置为[ 0 , 1 ] [0,1][0,1]即可。