第一章 线性规划_01

第一章线性规划
§1 线性规划
1.线性规划问题是在一组线性约束条件的限制下，求一线性目标函数最大或最
小的问题。
2.线性规划的 Matlab 标准形式
Matlab 中规定线性规划的标准形式为

其中 c 和 x 为 n 维列向量， A 、 Aeq 为适当维数的矩阵，b 、beq 为适当维数的列向量
·求最大值的线性规划问题转换：
基本函数形式为 linprog(c,A,b)，它的返回值是向量 x 的值。还有其它的一些函数调用形
式（在 Matlab 指令窗运行 help linprog 可以看到所有的函数调用形式），如：
[x,fval]=linprog(c,A,b,Aeq,beq,LB,UB,X0,OPTIONS)
这里 fval 返回目标函数的值，LB 和 UB

例2：

解：编写 M 文件，文件名：No1_02.m
c=[2;3;-5];
a=[-2,5,-1;1,3,1];
b=[-10;12];
aeq=[1,1,1];
beq=7;
x=linprog(-c,a,b,aeq,beq,zeros(3,1))
value = c’*x
结果： x =
6.4286 *x1
0.5714 *x2
0 *x3
value =
14.5714 *所求最大值

例3：

解：编写M文件，文件名：No1_03.m
c=[2;3;1];
a=[1,4,2;3,2,0];
b=[8;6];
[x,y]=linprog(c,-a,-b,[],[],zeros(3,1))
结果：x =
2.0000
0
3.0000
y = 7 *所求最小值

§2 运输问题(产销平衡)
§3 指派问题
匈牙利算法——算法主要依据以下事实：如果系数矩阵 ( )ij C = c 一行（或一列）中每 一元素都加上或减去同一个数，得到一个新矩阵 ( ) B = bij ，则以C 或 B 为系数矩阵的 指派问题具有相同的最优指派。
§4 对偶理论与灵敏度分析
不太严谨地说，对偶问题可被看作是原始问题的“行列转置”：
（1） 原始问题中的第 j 列系数与其对偶问题中的第 j 行的系数相同；
（2） 原始目标函数的各个系数行与其对偶问题右侧的各常数列相同；
（3） 原始问题右侧的各常数列与其对偶目标函数的各个系数行相同；
（4） 在这一对问题中，不等式方向和优化方向相反。

4.2 对偶问题的基本性质
1o 对称性：对偶问题的对偶是原问题。
2o 弱对偶性：若 x 是原问题的可行解， y 是对偶问题的可行解。则存在

3o 无界性：若原问题（对偶问题）为无界解，则其对偶问题（原问题）无可行解。
4o 可行解是最优解时的性质：设 xˆ 是原问题的可行解， yˆ 是对偶问题的可行解，
当 时， xˆ, yˆ 是最优解。

5o 对偶定理：若原问题有最优解，那么对偶问题也有最优解；且目标函数值相同。
6o 互补松弛性：若 xˆ, yˆ 分别是原问题和对偶问题的最优解，则

§5 投资的收益和风险
5.1 问题提出
市场上有 n 种资产 s_i （i =1,2,L,n ）可以选择，现用数额为 M 的相当大的资金作一个时期的投资。这 n 种资产在这一时期内购买 s_i 的平均收益率为 r_i ，风险损失率为q_i ，投资越分散，总的风险越少，总体风险可用投资的 s_i 中最大的一个风险来度量。
购买 s_i 时要付交易费，（费率 p_i ），当购买额不超过给定值u_i 时，交易费按购买u_i计算。另外，假定同期银行存款利率是 r_0 ，既无交易费又无风险。（r_0 = 5%）
已知 n = 4 时相关数据如表 1。

试给该公司设计一种投资组合方案，即用给定资金 M ，有选择地购买若干种资产
或存银行生息，使净收益尽可能大，使总体风险尽可能小。
5.2 符号规定和基本假设
符号规定：
s_i ：第i 种投资项目，如股票，债券
p_i q_i r_i, , ：分别为 s_i 的平均收益率，交易费率，风险损失率
u_i ： s_i 的交易定额
r_0 ：同期银行利率
x_i ：投资项目 s_i 的资金
a ：投资风险度
Q ：总体收益
基本假设：
1． 投资数额 M 相当大，为了便于计算，假设 M =1； 2． 投资越分散，总的风险越小；
3． 总体风险用投资项目 s_i 中最大的一个风险来度量；
4． n 种资产s_i 之间是相互独立的；
5． 在投资的这一时期内，p_i q_i r_i , r_0 为定值，不受意外因素影响；
6． 净收益和总体风险只受 p_i q_i r_i, 影响，不受其它因素干扰。
5.3 模型的分析与建立
1． 总体风险用所投资的s_i 中最大的一个风险来衡量，即
max{q_i x_i | i= 1,2,… ,n}
2．购买 s_i 所付交易费是一个分段函数，即

而题目所给定的定值u_i （单位：元）相对总投资 M 很少， p_i*u_i 更小，可以忽略不
计，这样购买 s_i 的净收益为 (r_i − p_i )x_i 。 3． 要使净收益尽可能大，总体风险尽可能小，这是一个多目标规划模型：

4． 模型简化
a) 在实际投资中，投资者承受风险的程度不一样，若给定风险一个界限 a ，使最大的一个风险

可找到相应的投资方案。这样把多目标规划变成一个目标的线性规划。
模型一 固定风险水平，优化收益

b) 若投资者希望总盈利至少达到水平 k 以上，在风险最小的情况下寻求相应的投资组合。
模型二 固定盈利水平，极小化风险

c) 投资者在权衡资产风险和预期收益两方面时，希望选择一个令自己满意的投资组合。因此对风险、收益分别赋予权重 s（0 < s ≤1）和(1− s) ，s 称为投资偏好系数。

5.4 模型一的求解
模型一为：
min f = ( -0.05, -0.27, -0.19, -0.185, -0.185)(x_0 , x_1 , x_2 , x_3 , x_4 ) ^T

由于 a 是任意给定的风险度，到底怎样没有一个准则，不同的投资者有不同的风险
度。我们从 a = 0 开始，以步长Δa = 0.001进行循环搜索，编制程序如下：
clc,clear
a=0;
hold on
while a<0.05
c=[-0.05,-0.27,-0.19,-0.185,-0.185];
A=[zeros(4,1),diag([0.025,0.015,0.055,0.026])];
b=a*ones(4,1);
Aeq=[1,1.01,1.02,1.045,1.065];
beq=1;
LB=zeros(5,1);
[x,Q]=linprog(c,A,b,Aeq,beq,LB);
Q=-Q;
plot(a,Q,’*r’);
a=a+0.001;
end
xlabel(‘a’),ylabel(‘Q’)

5.5 结果分析

1. 风险大，收益也大。
   2．当投资越分散时，投资者承担的风险越小，这与题意一致。即：冒险的投资者会出现集中投资的情况，保守的投资者则尽量分散投资。
   3．在 a = 0.006 附近有一个转折点，在这一点左边，风险增加很少时，利润增长很快。在这一点右边，风险增加很大时，利润增长很缓慢，所以对于风险和收益没有特殊偏好的投资者来说，应该选择曲线的拐点作为最优投资组合，大约是 a = 0.6% ， Q = 20%，所对应投资方案为：风险度 a = 0.006 ，收益Q = 0.2019，x0 = 0， x1 = 0.24 ， x2 = 0.4，x3 = 0.1091， x4 =0.2212 。