前言
文章主要介绍了线性规划中的优化问题(有限的资源,最大的收益)
一、模型简介
适用赛题:题目中提到“xxx有多少多少” “怎样安排/分配” “最多(少)” “利润最大”
建立模型中,约束条件和目标函数中的变量是否全是一次方
(1)决策变量: x
(2)目标函数:max[f(x)] , min[f(x)]
(3)约束条件:g(x)<0
二、求解
1.linprog函数
[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)