数学建模——线性规划_zeros(4,1)-CSDN博客

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

变量解释：

f：目标函数的系数向量

A，b：不等式约束条件的系数矩阵和常数项矩阵

Aeq，beq：等式约束条件的系数矩阵和常数项矩阵

lb，ub：决策变量的最小取值和最大取值

注意

1.MATLAB标准型：模型的目标函数是求最小值、约束条件都是小于等于或等于（因此，若x>a 等价转为 -x<-a）

2.若不存在等式约束则用[ ]代替

2.列写数学公式

3.数学公式转代码

代码如下：

//linprog1.m文件//
clc,clear;%清空不必要的数据
a = (0:0.001:0.05); % a矩阵的元素是不同风险率，从0到0.05等差取值，相邻两个数相差0.001
f=[-0.05,-0.27,-0.19,-0.185,-0.185];
A=[0,0.025,0,0,0;0,0,0.015,0,0;0,0,0,0.055,0;0,0,0,0,0.026];
%A=[zeros(4,1),diag([0.025,0.015,0.055,0.026])];zeros为4行1列的矩阵加上对角矩阵
Aeq = [1,1.01,1.02,1.045,1.065];    
beq=1;
lb=[0;0;0;0;0];
Q = zeros(1,length(a));     % 初始化保存最优解的矩阵Q，因为现在还没求出最优解，元素全设为0
XX = [];    % 定义个空矩阵，用来存不同风险率下的最优解
for i=1:length(a)
    b=a(i)*ones(1,4);
    [x,y]=linprog(f,A,b,Aeq,beq,lb); 
    Q(i) = -y;      % 负负得正，就是所需求的最大值了
    XX=[XX;x'];
end
plot(a,Q,'*r');      % 以风险率为横轴，收益为纵轴，绘制不同风险率下的最优收益
xlabel('风险率');        % x和y轴分别附上标签
ylabel('最大收益');

3.结果分析

1. 风险率在0.025之前时，最大收益随着风险率增大而增大；在0.025之后随着风险率的增大，最大收益基本不变。

2.在风险率0.006之前最大收益的增加较快，0.6%-2.5%之间增加较慢。

三、其他练习

例1 加工奶制品的生产计划

数学公式转代码

代码如下：

clc,clear;
f=[-72,-64];
A=[1,1;12,8;3,0];
b=[50;480;100];
lb=[0;0];
[x,z]=linprog(f,A,b,[],[],lb);%没有Aeq,beq则用[]代替
zmax=-z;

(参考：北海数学建模和Hubu老师们）