数模速成笔记

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。

1.5动态规划