线性规划—MATLAB数学建模

线性规划问题求解

1.线性规划问题的解的概念：

​ 标准型：

​
$$\begin{gathered} maxz=\sum _{j=1}^n{c}_j{x}_j, \\ s.t.\{\begin{array}{l}{\sum }_{j=1}^n{a}_{ij}{x}_j=b_i,i=1,2,\cdots ,m,\\ x_j\ge 0,j=1,2,\cdots ,n。\end{array} \\ 式中：b_i\ge 0,i=1,2,\cdots ,m。 \end{gathered}$$

​ 可行解：满足约束条件式的解
$$x=[x_1,\cdots ,x_n{]}^T$$
​ 称为线性规划问题的可行解，而让z达到最大值的可行解称为最优解。

​ 可行域：所有可行解构成的集合称为问题的可行域，记为R。

2.线性规划的Matlab标准形式及软件求解：

​ Matlab中规定线性规划的标准形式为：
$$\begin{gathered} min{f}^{T}x(1), \\ s.t.\{\begin{array}{l}A\cdot x\le b,(2)\\ Aeq\cdot x=beq,(3)\\ lb\le x\le ub。(4)\end{array} \\ 式中：f,x,b,beq,lb,ub为列向量，其中f称为价值向量，b称为资源向量; \\ A,Aeq为矩阵。 \end{gathered}$$
PS: (1)式表示求解式。规定求最小值的形式，若要求最大值，则需要把式子求负，即最小值求负表示最大值。

​ (2)式表示不等式约束条件。规定求小于的形式,若是大于则需要通过两边求负进行转换。若有多个不等式条件，则用矩阵的形式来 分别表示A,b。

​ (3)式表示等式约束条件。若有多个等式条件，也用矩阵的形式来分别表示Aeq,beq。

​ (4)式表示取值范围。

Matlab中求解线性规划的命令为：

​ [x,fval] = linprog(f,A,b,Aeq,beq,lb,ub)

​ 式中：x返回决策向量的取值;

​ fval返回目标函数的最优值;

​ f为价值向量;

​ A和b对应线性不等式约束;

​ Aeq和beq对应线性等式约束；

​ lb和ub分别对应决策向量的下界向量和上界向量；

PS: (1)若约束条件中间不齐全，则可以用空向量[]来替代缺失部分，如：

​ [x,fval] = linprog(f,A,b,[],beq,[],ub)

​ (2)若约束条件只有前面条件，则可以直接省略参数，如：

​ [x,fval] = linprog(f,A,b)

3.例题求解应用：

​ 例1.求解下列线性规划问题：
$$\begin{gathered} maxz=2x_1+3x_2-5x_3, \\ s.t.\{\begin{array}{l}{x}_1+x_2+x_3=7,\\ 2x_1-5x_2+x_3\ge 10,\\ x_1+3x_2+x_3\le 12,\\ x_1,x_2,x_3>=0。\end{array} \end{gathered}$$
​ 解：先把上式转化称为Matlab的标准形式：
$$\begin{gathered} minw=-2x_1-3x_2+5x_3, \\ s.t.\{\begin{array}{l}-2x_1+5x_2-x_3\le -10,\\ x_1+3x_2+x_3\le 12,\\ x_1+x_2+x_3=7,\\ x_1,x_2,x_3\ge 0。\end{array} \end{gathered}$$
​ 现在再把标准形式按照函数提取出我们想要参数：

​ 依照**[x,fval] = linprog(f,A,b,Aeq,beq,lb,ub)**

​ 可得：
$$\begin{gathered} f=\left[\begin{array}{c}-2\\ -3\\ 5\end{array}\right]或者{\left[\begin{array}{ccc}-2& -3& 5\end{array}\right]}^T \\ A=\left[\begin{array}{ccc}-2& 5& -1\\ 1& 3& 1\end{array}\right] \\ b=\left[\begin{array}{c}-10\\ 12\end{array}\right]或者{\left[\begin{array}{cc}-10& 12\end{array}\right]}^T \\ Aeq=\left[\begin{array}{c}1\\ 1\\ 1\end{array}\right]或者{\left[\begin{array}{ccc}1& 1& 1\end{array}\right]}^T \\ beq=7 \\ lb=\left[\begin{array}{c}0\\ 0\\ 0\end{array}\right]或者{\left[\begin{array}{ccc}0& 0& 0\end{array}\right]}^T \\ ub=\left[\begin{array}{c}\infty \\ \infty \\ \infty \end{array}\right]或者{\left[\begin{array}{ccc}\infty & \infty & \infty \end{array}\right]}^T \end{gathered}$$
​ 用Matlab中的程序语言来表示：

                f = [-2;-3;5];
                a = [-2,5,-1;1,3,1];
                b = [-10;12];
                aeq = [1,1,1];
                beq = 7;

​ 代入求解时：lb可用zeros(3,1)来生成三行一列的零向量

​ ub则不填参来表示无穷

​ 最后解得的fval取相反数即为所要求的最大值z

​ 完整代码如下：

			   f = [-2;-3;5];
                a = [-2,5,-1;1,3,1];
                b = [-10;12];
                aeq = [1,1,1];
                beq = 7;
                [x,y] = linprog(f,a,b,aeq,beq,zeros(3,1));
                x,y = -y

​ 求解得结果如下图：

​ 例2:某机床厂生产甲、乙两种机床，每台销售后的利润分别为4000元和3000元。生产甲机床需用A、B机器加工，加工时间分别 为每台2h和1h;生产乙机床需用A、B、C三种机器加工，加工时间为每台各1h。若每天可用于加工的机器时数分别为A机器 10h、B机器8h和C机器7h，问该厂应生产甲、乙机床各几台，才能使总利润最大？

​ 解：对上述描述建立数学模型：设该厂生产$x_1$台甲机床和$x_2$台乙机床时总利润z最大，则$x_1$,$x_2$应满足：
$$\begin{gathered} maxz=4x_1+3x_2, \\ s.t.\{\begin{array}{l}2x_1+x_2\le 10,\\ x_1+x_2\le 8,\\ x_2\le 7,\\ x_1,x_2\ge 0。\end{array} \\ 变量x_1,x_2为决策变量 \end{gathered}$$
​ 将上式转化为Matlab标准型并抽取参数得：
$$\begin{gathered} f=\left[\begin{array}{c}-4\\ -3\end{array}\right] \\ A=\left[\begin{array}{cc}2& 1\\ 1& 1\end{array}\right] \\ b=\left[\begin{array}{c}10\\ 8\end{array}\right] \\ lb=\left[\begin{array}{c}0\\ 0\end{array}\right] \\ ub=\left[\begin{array}{c}\infty \\ 7\end{array}\right] \end{gathered}$$
​ 完整代码如下:

f = [-4;-3];
A = [2,1;1,1];
b = [10;8];
ub = [inf;7];
[x,y] = linprog(f,A,b,[],[],zeros(2,1),ub);
x,y=-y

​ 求解得结果如下图：

4.可以转化为线性规划的问题：

​ 对于
$$\begin{gathered} min|x_1|+|x_2|+\cdots +|x_n| \\ s.t.Ax\le b。 \\ 式中：x=[x_1,\cdots ,x_n{]}^T; \\ A和b为相应维数的矩阵和向量 \end{gathered}$$
​ 可以依据对任意的$x_i$,存在$u_i,v_i\ge 0$满足
$$x_i=u_i-v_i,|x_i|=u_i+v_i$$
​ 只要取$u_i=\frac{x_i+|x_i|}{2},v_i=\frac{|x_i|-x_i}{2}$即可满足上面的条件

​ 这样记$u=[u_1,\cdots ,u_n{]}^T,v=[v_1,\cdots ,v_n{]}^T$,即可化问题为
$$\begin{gathered} min\sum _{i=1}^n(u_i+v_i), \\ s.t.\{\begin{array}{l}A(u-v)\le b,\\ u,v\ge 0。\end{array} \end{gathered}$$
​ 进一步改写模型为：
$$\begin{gathered} min\sum _{i=1}^n(u_i+v_i), \\ s.t.\{\begin{array}{l}[A,-A]\left[\begin{array}{c}u\\ v\end{array}\right]\le b,\\ u,v\ge 0。\end{array} \end{gathered}$$
​ 例3：求解下列数学规划问题：
$$\begin{gathered} minz=|x_1|+2|x_2|+3|x_3|+4|x_4|, \\ s.t.\{\begin{array}{l}{x}_1-x_2-x_3+x_4\le -2,\\ x_1-x_2+x_3-3x_4\le -1,\\ x_1-x_2-2x_3+3x_4\le -\frac{1}{2}\end{array} \end{gathered}$$
​ 解：做变量变换$u_i=\frac{x_i+|u_i|}{2},v_i=\frac{|x_i|-x_i}{2}$,i=1,2,3,4,并把新变量重新排序成一维向量$y=\left[\begin{array}{c}u\\ v\end{array}\right]=[u_1,\cdots ,u_4,v_1,\cdots ,v4{]}^T$,则可 把模型变换为线性规划模型
$$\begin{gathered} min{c}^{T}y, \\ s.t.\{\begin{array}{l}[A,-A]\left[\begin{array}{c}u\\ v\end{array}\right]\le b,\\ y\ge 0。\end{array} \\ 式中：c=[1,2,3,4,1,2,3,4{]}^T, \\ b=[-2,-1,-\frac{1}{2}{]}^T, \\ A=\left[\begin{array}{cccc}1& -1& -1& 1\\ 1& -1& 1& -3\\ 1& -1& -2& 3\end{array}\right]。 \end{gathered}$$
​

​ 故Matlab代码如下：

c = 1:4;
c = [c,c]';%构造价值列向量
a = [1 -1 -1 1;1 -1 1 -3;1 -1 -2 3];
a = [a,-a];%构造变换后新的系数矩阵
b = [-2 -2 -1/2]';
[y,z] = linprog(c,a,b,[],[],zeros(8,1))%这里没有等式约束，对应的矩阵为空矩阵
x =  y(1:4) - y(5:end)%变换到原问题的解，x=u-v

​ 结果如图：

5.经典模型：投资的收益与风险

​ 例4：市场上有n种资产$s_i(i=1,2,\cdots ,n)$​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，费率为$p_i$，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$r_0$，既无交易也无风险$(r_0=5\%)$。

已知n=4时相关数据如表所示：

$s_i$	$r_i/\%$	$q_i/\%$	$p_i/\%$	$u_i/元$
$s_1$	28	2.5	1	103
$s_2$	21	1.5	2	198
$s_3$	23	5.5	4.5	52
$s_4$	25	2.6	6.5	40

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，使净收益尽可能的大，总体风险尽可能的小。

​ 解：首先进行符号规定和基本假设：

1.符号规定

(1)$s_i表示第i种投资项目，如股票、债券等，i=0,1,\cdots ,n,其中s_0指存入银行。$

(2)$r_i,p_i,q_i分别表示s_i的平均收益率、交易费率、风险损失率，i=0,1,\cdots ,n,其中p_0=0,q_0=0.$

(3)$u_i表示s_i的交易定额，i=1,2,\cdots ,n。$

(4)$x_i表示投资项目s_i的资金，i=0,1,\cdots ,n。$

(5)$a表示投资风险度$

(6)$Q表示总体收益$

2.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)$n+1种资产s_i之间是相互独立的$

(5)$在投资的这一时期内，r_i,p_i,q_i为定值，不受意外因素影响$

(6)$净收益和总体风险只受r_i,p_i,q_i影响，不受其他因素干扰$

​ 再构建模型：

( 1 ) 总 体 风 险 用 所 投 资 的 s i 中 最 大 的 一 个 风 险 来 衡 量 ， 即 m a x { q i x i ∣ i = 1 , 2 , ⋯   , n } (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_ix_i|i=1,2,\cdots,n\} (1)总体风险用所投资的si​中最大的一个风险来衡量，即max{qi​xi​∣i=1,2,⋯,n}​

(2)$$\begin{gathered} 购买s_i(i=1,2,\cdots ,n)所付交易费是一个分段函数，即 \\ 交易费=\{\begin{array}{l}{p}_i{x}_i,x_i>u_i,\\ p_i{u}_i,x_i\le u_i。\end{array} \\ 而题目所给的定值u_i(单位：元)相当总投资M很少，p_i{U}_i更小，这样购买s_i的净收益可以化简为(r_i-p_i)x_i。 \end{gathered}$$​

(3)要让净收益尽可能大，总体风险尽可能小，这是一个多目标规划模型：
{ m a x ∑ i = 0 n ( r i − p i ) x i , m i n { m a x { q i x i } } \begin{cases} max\sum_{i=0}^{n}(r_i-p_i)x_i,\\ min\{max\{q_ix_i\}\} \end{cases} {max∑i=0n​(ri​−pi​)xi​,min{max{qi​xi​}}​

$$s.t.\{\begin{array}{l}{\sum }_{i=0}^n(1+p_i)x_i=M,\\ x_i\ge 0,i=0,1,\cdots ,n。\end{array}$$

​ 再简化模型：

一是固定风险水平，优化收益。
$$\begin{gathered} max\sum _{i=0}^n(r_i-p_i)x_i, \\ s.t.\{\begin{array}{l}\frac{q_i{x}_i}{M}\le a,i=1,2,\cdots ,n,\\ {\sum }_{i=0}^n(1+p_i)x_i=M,x_i\ge 0,i=0,1,\cdots ,n。\end{array} \end{gathered}$$
二是固定盈利水平，极小化风险
m i n { m a x { q i x i } } , s . t . { ∑ i = 0 n ( r i − p i ) x i ≥ k , ∑ i = 0 n ( 1 + p i ) x i = M , x i ≥ 0 , i = 0 , 1 , ⋯   , n 。 min\{max\{q_ix_i\}\},\\ s.t.\begin{cases} \sum_{i=0}^{n}(r_i-p_i)x_i\geq k,\\ \sum_{i=0}^{n}(1+p_i)x_i = M,\\ x_i\geq 0,i=0,1,\cdots,n。 \end{cases} min{max{qi​xi​}},s.t.⎩⎪⎨⎪⎧​∑i=0n​(ri​−pi​)xi​≥k,∑i=0n​(1+pi​)xi​=M,xi​≥0,i=0,1,⋯,n。​
三是对风险收益分别赋予权重s和1-s,s称为投资偏好系数
m i n s { m a x { q i x i } } − ( 1 − s ) ∑ i = 0 n ( r i − p i ) x i , s . t . { ∑ i = 0 n ( 1 + p i ) x i = M , x i ≥ 0 , i = 0 , 2 , ⋯   , n min\quad s\{max\{q_ix_i\}\}-(1-s)\sum_{i=0}^{n}(r_i-p_i)x_i,\\ s.t.\begin{cases} \sum_{i=0}^{n}(1+p_i)x_i=M,\\ x_i\geq 0,i=0,2,\cdots,n \end{cases} mins{max{qi​xi​}}−(1−s)i=0∑n​(ri​−pi​)xi​,s.t.{∑i=0n​(1+pi​)xi​=M,xi​≥0,i=0,2,⋯,n​
模型一代码如下：

%%从a=0开始以0.001为步长进行循环搜索
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,'*k');
	a = a + 0.001;
end
xlabel('a'),ylabel('Q')

结果如图：

结果分析：

$(1)风险大，收益也大$

$(2)当投资越分散时，投资者承担的风险越小$

$$\begin{gathered} (3)在a=0.006附近有一个转折点，在这一点左边，风险增加很小时，利润增长很快；在这一点的右边反之，所以应选a=0.6\%,Q=20\%, \\ 所以对应的投资方案为风险度a=0.006,收益Q=0.2019,x_0=0,x_1=0.24,x_2=0.4,x_3=0.1091,x_4=0.2212. \end{gathered}$$