数学建模培训课程笔记——线性规划
前言
比赛知识后续补充。
一、线性规划
1.什么是规划(了解)
规划是一种特定的活动,它以某个事件涉及的战略原则、资源限制、技术性约束条件为基础,推演各种条件组合下所能产生的各种结果,并根据最优化原则对逻辑推演结果作出分析与评价,从中找出那些对当事人最有利的结果,并给出应该限制哪些活动要素,加强哪些活动要素,哪些资源显得剩余,哪些资源显得不足的信息与建议。
2.LP问题模型
(1)每个问题都可用一组决策变量(x.,2…xn)表示某一方案,其具体的值就代表一个具体方案。通常可根据决策变量所代表的事物特点,可对变量的取值加以约束,如非负约束。
(2 )存在一组线性等式或不等式的约束条件。
(3)都有一个用决策变量的线性函数作为决策目标(即目标函数),按问题的不同,要求目标函数实现最大化或最小化。
-
表示方法:
-
建立线性规划模型的一般步骤:
(1)确定决策变量;
(2 )确定日标函数;
(3)确定约束条件。 -
化一般形式为标准型:
1.从代数的角度看:
**可行解( Feasible Solution):
**满足约束条件称为可行解。 所有可行解构成可行解集即可行域。
**最优解(Optimal Solution):
** 而使日标函数达到最大值的可行解称为最优解,对应的日标函数值称为最优值。
退化解(Degenerate Solution):
如果基解中非零分量的个数小于m, 则称此基本解为退化的,否则是非退化的。
最优基解(Optimal Basic Solution):
如果对应于基B的基可行解是LP问题的最优解,则称B为LP问题的最优基,相应的解又称基本最优解。
3.LP问题解之间的关系如图所示:
函数linuxprog:
二、整数(线性)规划 ILP
第1节整数线性规划问题的提出
第2节分支定界解法
第3节割平面解法
第4节0-1型 整数线性规划
第5节指派问题
整数线性规划:整数线性规划中如果所有的变数都限制为(非负)整数,就称为纯整数线性规划(pure integer linear programming)或称为全整数线性规划(all integer linear programming);如果仅一部分变数限制为整数,则称为混合整数计划(mixed integer linear programming)。整数线性规划的一种特殊情形是0- I规划,它的变数取值仅限于0或1。
整数:integer
整数规划问题的计算机求解:
在分支定界法的每一步中,涉及求解活问题对应的松弛问题时,只需要利用线性规划问题的计算机求解方法求出其最优解和其对应的目标函数值,其余步骤不变。
**
割平面法:
**
整数线性规划问题的可行域是整数点集(或称格点集),割平面解法的思路是:首先不考虑变量x;是整数这一条件,仍然是用解线性规划的方法去解整数线性规划问题,若得到非整数的最优解,然后增加能割去非整数解的线性约束条件(或称为割平面)使得由原可行域中切割掉一部分,这部分只包含非整数解,但没有切割掉任何整数可行解。
这个方法就是指出怎样找到适当的割平面(不见得一次就找到), 使切割后最终得到这样的可行域,它的一个有整数坐标的极点恰好是问题的最优解。
如何切割?:
0-1线性规划例题:
提示:这里对文章进行总结:
例如:以上就是今天要讲的内容,本文仅仅简单介绍了pandas的使用,而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。