建模随手记1---线性规划和numpy的练习使用

---

全文使用python代替相应软件代码

2.1 Matlab编程基础

1.1 m文件的应用

1. 创建一个m文件
2. 在新建的文件夹下编写代码（脚本文件），创建范德蒙特行列式。

   import numpy
   def Vandermonde(dim):
   	return np.matrix([[(i+1)**j for i in range(dim)] for j in range(dim)])
   

使用了python 的生成器来快速构建矩阵。

3. 练习：计算 1+2²+3²+…+1000²

   import numpy as np
   def exercise1(num):
       n = np.arange(1, num+1)
       n = n.reshape(1, num)
       return int(np.dot(n, n.T))
   

这里是用到了arange和reshape构建矩阵，首先由arange生成数组，之后使用reshape生成矩阵，arange左闭右开，第三个参数为步长。

1.2 总练习

1.2.1 蒙特卡罗方法求概率

1. 一根一米长的木棍，随机截成三段，求这三段木棍能够成三角形的概率。

   求解：
   几何概型，转化为两个切割点落在这条线上的位置，根据两边之和大于第三边来判断是否构成三角形，通过，以上为一次实验，通过增加实验次数来逼近概率。

   def triangle(iteration_num):
       is_iter = 0
       for i in range(iteration_num):
           a = np.random.uniform()
           b = np.random.uniform(low=0, high=1-a)
           c = 1-a-b
           vectors = sorted([a, b, c])
           if vectors[0]+vectors[1] > vectors[2]:
               is_iter += 1
   	 return is_iter/iteration_num
   
   def test():
       for i in range(10000, 100001, 10000):
           print(triangle(i))
   

结果：

0.1962
0.19565
0.19583333333333333
0.1931
0.19284
0.19098333333333334
0.19424285714285713
0.1930125
0.19154444444444443
0.19188

所以概率约为0.19
本次练习使用到了uniform生成随机数，其参数为 low 左值，high 右值，size 形式（可用于生成矩阵，默认为None）

2. 从52张扑克牌（除去大小王）中随机抽取三张，求这三张构成同花顺的概率。

   解题思路：
   如果有一个13×4的矩阵那么从中随机选取三个元素，满足列相同，行数相互差一即可。通过增加实验次数来逼近概率值。

   def poker(iteration_num):
       is_flush = 0
       for i in range(iteration_num):
           cards = []
           card_num = 0
           while card_num < 3:
               card = [0, 0]
               card[0] = int(np.random.uniform(low=1, high=14))
               card[1] = int(np.random.uniform(low=1, high=5))
               if card not in cards:
                   cards.append(card)
                   card_num += 1
           cards = sorted(cards, key=lambda x: x[0])
           if cards[0][1] == cards[1][1] and cards[2][1]:
               if cards[0][0] - cards[1][0] == -1 and cards[2][0] - cards[1][0] == 1:
                   is_flush += 1
       return is_flush / iteration_num
   def test():
       for i in range(10000, 100001, 10000):
           print(poker(i))
   
   

结果：

0.008
0.0079
0.007533333333333334
0.0076
0.00788
0.008216666666666667
0.008042857142857143
0.00815
0.007811111111111111
0.00821

计算概率约为0.008

2. Lingo编程基础

以下部分参考：https://www.jianshu.com/p/9be417cbfebb

1. 线性规划

求解最普通的线性规划问题：
$$
	minz=2x_{1}+3x_{2}+x_{3}
$$

$$\{\begin{array}{cc}& x_1+4x_2+2x_3⩾8\\ & 3x_1+2x_2⩾6\\ & x_1,x_2,x_3⩾0\end{array}$$

import numpy as np
from scipy import optmize

z = ([2, 3, 1])
A = np.array([1, 4, 2], [3, 2, 0])
b = np.array([8, 6])
x1_bound, x2_bound, x3_bound = (0, None)

res = optmize.linprog(z, A_ub=-A, b_ub=-b