数学规划问题

1.基本定义

1.数学规划就是在给定的条件下，求在一定条件下，如何按照某一个衡量指标来寻求计划，管理工作。
2. 组成：目标函数： 决策变量。
约束条件：不等式约束，等式约束，整数约束。
3.规划主要用来求解优化类问题，求解一些问题的最优解。

2.线性规划

（1）定义目标函数和约束条件都是决策变量的线性表达式，约束条件可以有不等式，等式，但都是都是线性表达式。

（2）采用matlab求解步骤
写出matlab中线性规划的标准型：
目标函数：转换成最小值问题，提出系数作为列向量
不等式约束，等式约束，上下界约束
不等式约束转化为系数矩阵A，且要变为小于等于的形式，加负号。
不等式约束的系数向量要注意。
上界和下界用ub和lb表示，如果下界部分没有限定就加负无穷。
等式约束用Aeq。

[x,fval]=linprog[C,A,b,Aeq,beq,lb,ub,X0];
%线性规划一般不要初始值
% 如果存在等式和不等式约束，用[]表示A,b,Aeq,beq
%如果某个x没有下界和上界，就设置lb(;)=-inf, ub(;)=+inf
%返回的x表示最小值处的x取值，fval表示最优解处是取得的最小值
%不是所有线性规划都有唯一解，如果求的是最大值，最后给fval加负号

3.非线性规划

（1）定义：目标函数和约束条件有一个是决策变量的非线性表达式。
（2）区分于上面的线性规划可以直接得到最优解，非线性规划需要利用搜索来找近似解，要先给初始值。这样找到的极大可能是局部最优解。
在线性规划的基础上加了非线性不等式约束和非线性等式约束

[x,fval]=fmincon(@fun,X0,A,Aeq,beq,;b,ub,@nolfun,option)

非线性规划中对于初始值选取十分重要，求解出来的是局部最优解，如果要求全局最优解，可以给定不同初始值，在里面求得最优解，更好的方法是先用蒙特卡洛模拟的一个蒙特卡洛解，然后用这个解作为初始值来求解最优解

option是四种求解算法：内点法，序列二次规划法，有效集法，信赖域反射算法，、interior-point,sqp,active-set,trust-region-reflective
不同是算法有各自的优缺点和使用情况，可以改变求解算法来看求解的结果是否变好。

@fun表示目标函数，我们要编写一个独立的m文件存储目标函数
定义函数，通过@fun调用

@nonlfun 非线性部分的约束，同样编写一个独立的n文件存储约束条件，返回非线性等式和不等式约束，如果不存在为空

至于要把下标变成matlab可以识别的符号，在括号中书写即可。

如果用蒙特卡洛模拟找到一个比较合适的初始值点，再用线性规划就可以得到比较好的 结果，推荐使用。找到一个比较好的初始值点，避免出现较大偏差。

4.整数规划

（1）基本介绍要求变量取得整数值。可以分为线性整数规划和非线性，现在比较多的是线性整数规划问题，对于非线性可以用蒙特卡洛模拟。模拟退火，粒子群。其中线性整数规划的求解相比于线性规划，会多了一个输入参数，限定变量为整数。

	[x,fval]=intlinprog(x,intcon,A,b,Aeq,beq,lb,ub) 
	% 不能指定初始值
	%intcon变量参数可以指定那些决策变量是整数
	%如如果三个变量X1,X2,X3，其中X1和X2是整数，用intcon=[1,2]，表示

（2）典型问题
背包问题：0-1规划问题，运送货物使得总利润达到最大
利用matlab求解思路：转换为最小问题，加符号
确定整数变量
不等式和等式约束，注意不等式也是需要是小于等于。
下界为0，上界为1
调用函数即可。

指派问题–0-1规划问题
方案安排使得时间最短
目标函数：参加耗时间最短
约束条件：只可以参加一项比赛
每种比赛只有一个人参加
取值为0，1

如果要用matlab求解，需要把双下标问题变成单下标问题。
还有范围通过循环生成，结果表示

还有钢管切割问题，选址问题

5.最大最小化模型

对策论中，在最不利的条件下，寻求最有利的条件策略
许多求最大值的最小化问题。
如何理解这个问题。该点到各个需求点的最大距离最小，在最大距离中找到一个最小值。

6.多目标规划

保证利润的时候也要保证生产时产生的污染最少，对多目标函数进行加权组合，使得问题变为单目标规划。

同意多个目标函数为最大化或者是最小化问题后可以加权组合，如果目标函数的量纲不相同，则需要对其进行标准化后再进行加权，标准化后的做法一般是用目标函数除以某一常量，该常量是这个目标函数的某一个取值。
对目标函数进行加权求和时，权重需要由该问题领域内的专家给定，实际比赛中，无特殊说明，可以认为是一样的。

如何加权重。标准化，除以参考值。
还可以通过权重来分析最后的结果。