线性规划求解器 matlab,基于求解器设置线性规划

求解方法

要求解优化问题，请执行以下步骤。选择求解器

要找到求解此问题的合适求解器，请参考优化决策表。该表要求您根据目标函数的类型和约束的类型对问题进行分类。对于此问题，目标函数是线性的，约束也是线性的。决策表推荐使用 linprog 求解器。minxfTxsuch that{A⋅x≤b,Aeq⋅x=beq,lb≤x≤ub.(1)

fTx 表示由常量组成的行向量 f 乘以由变量组成的列向量 x。换言之，

fTx = f(1)x(1) + f(2)x(2) + ... + f(n)x(n)，

其中，n 是 f 的长度。

A x ≤

b 表示线性不等式。A 是 k×n 矩阵，其中 k 是不等式的数目，n 是变量的数目(大小为 x)。b 是长度为 k 的向量。有关详细信息，请参阅线性不等式约束。

Aeq x =

beq 表示线性等式。Aeq 是一个 m×n 矩阵，其中 m 是等式的个数，n 是变量的个数(大小为 x)。beq 是长度为 m 的向量。有关详细信息，请参阅线性等式约束。

lb ≤ x ≤

ub 表示向量 x 中的每个元素必须大于 lb 的对应元素，并且必须小于 ub 的对应元素。有关详细信息，请参阅边界约束。

如函数参考页所示，linprog 求解器的语法是

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

linprog 求解器的输入是公式 1 中的矩阵和向量。将变量合并成一个向量

模型说明的方程中有 16 个变量。将这些变量放入一个向量中。由变量组成的向量的名称在公式 1 中是 x。决定阶次，并基于变量构造 x 的分量。

以下代码使用变量名称组成的元胞数组来构造向量。

variables = {'I1','I2','HE1','HE2','LE1','LE2','C','BF1',...

'BF2','HPS','MPS','LPS','P1','P2','PP','EP'};

N = length(variables);

% create variables for indexing

for v = 1:N

eval([variables{v},' = ', num2str(v),';']);

end

执行这些命令会在工作区中创建以下命名变量：

这些命名变量表示 x 分量的索引编号。您不必创建命名变量。视频优化建模，第 2 部分：转换为求解器形式显示如何使用 x 分量的索引编号来轻松求解问题。编写边界约束

在模型说明的方程中有四个变量包含下界，六个变量包含上界。下界：

P1 ≥ 2500

P2 ≥ 3000

MPS ≥ 271,536

LPS ≥ 100,623。

此外，所有变量均为正，这意味着其下界为零。

创建由 0 组成的下界向量 lb，然后添加其他四个下界。

lb = zeros(size(variables));

lb([P1,P2,MPS,LPS]) = ...

[2500,3000,271536,100623];

具有上界的变量有：

P1 ≤ 6250

P2 ≤ 9000

I1 ≤ 192,000

I2 ≤ 244,000

C ≤ 62,000

LE2 ≤ 142000。

创建由 Inf 组成的上界向量，然后添加六个上界。

ub = Inf(size(variables));

ub([P1,P2,I1,I2,C,LE2]) = ...

[6250,9000,192000,244000,62000,142000];编写线性不等式约束

模型说明的方程中有三个线性不等式：

I1 - HE1 ≤ 132,000

EP + PP ≥ 12,000

P1 + P2 +

PP ≥ 24,550。

为了使方程具有 A x≤b 形式，需要将所有变量放在不等式的左侧。所有这些方程均已采用该形式。在适当情况下，通过乘以 –1，确保每个不等式均为“小于”形式：

I1 - HE1 ≤ 132,000

-EP - PP ≤ -12,000

-P1 - P2 -

PP ≤ -24,550。

在您的 MATLAB® 工作区中，将 A 矩阵创建为 3×16 零矩阵，对应于采用 16 个变量的 3 个线性不等式。创建具有三个分量的 b 向量。

A = zeros(3,16);

A(1,I1) = 1; A(1,HE1) = -1; b(1) = 132000;

A(2,EP) = -1; A(2,PP) = -1; b(2) = -12000;

A(3,[P1,P2,PP]) = [-1,-1,-1];

b(3) = -24550;编写线性等式约束

模型说明的方程中有八个线性方程：

I2 = LE2 + HE2

LPS =

LE1 + LE2 + BF2

HPS = I1 + I2 +

BF1

HPS = C + MPS +

LPS

I1 = LE1 + HE1 +

C

MPS = HE1 + HE2 + BF1 -

BF2

1359.8 I1 = 1267.8 HE1 + 1251.4

LE1 + 192 C + 3413 P1

1359.8 I2 =

1267.8 HE2 + 1251.4 LE2 + 3413 P2。

为了使方程具有 Aeq x=beq 形式，需要将所有变量放在方程的一侧。方程变为：

LE2 + HE2 - I2 = 0

LE1

+ LE2 + BF2 - LPS = 0

I1 + I2 + BF1

- HPS = 0

C + MPS + LPS - HPS =

0

LE1 + HE1 + C - I1 =

0

HE1 + HE2 + BF1 - BF2 - MPS =

0

1267.8 HE1 + 1251.4 LE1 + 192 C +

3413 P1 - 1359.8 I1 = 0

1267.8 HE2 +

1251.4 LE2 + 3413 P2 - 1359.8 I2 = 0。

现在编写对应于这些方程的 Aeq 矩阵和 beq 向量。在您的 MATLAB 工作区中，将 Aeq 矩阵创建为 8×16 零矩阵，对应于包含 16 个变量的 8 个线性方程。创建具有八个分量且值均为零的 beq 向量。

Aeq = zeros(8,16); beq = zeros(8,1);

Aeq(1,[LE2,HE2,I2]) = [1,1,-1];

Aeq(2,[LE1,LE2,BF2,LPS]) = [1,1,1,-1];

Aeq(3,[I1,I2,BF1,HPS]) = [1,1,1,-1];

Aeq(4,[C,MPS,LPS,HPS]) = [1,1,1,-1];

Aeq(5,[LE1,HE1,C,I1]) = [1,1,1,-1];

Aeq(6,[HE1,HE2,BF1,BF2,MPS]) = [1,1,1,-1,-1];

Aeq(7,[HE1,LE1,C,P1,I1]) = [1267.8,1251.4,192,3413,-1359.8];

Aeq(8,[HE2,LE2,P2,I2]) = [1267.8,1251.4,3413,-1359.8];编写目标

目标函数是

fTx = 0.002614 HPS + 0.0239 PP + 0.009825 EP。

将此表达式写成由 x 向量的乘数组成的向量 f：

f = zeros(size(variables));

f([HPS PP EP]) = [0.002614 0.0239 0.009825];使用 linprog 求解问题

您现在已经有 linprog 求解器所需的输入。调用该求解器并以设定的格式打印输出：

options = optimoptions('linprog','Algorithm','dual-simplex');

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

for d = 1:N

fprintf('%12.2f \t%s\n',x(d),variables{d})

end

fval

结果为：

Optimal solution found.

136328.74 I1

244000.00 I2

128159.00 HE1

143377.00 HE2

0.00 LE1

100623.00 LE2

8169.74 C

0.00 BF1

0.00 BF2

380328.74 HPS

271536.00 MPS

100623.00 LPS

6250.00 P1

7060.71 P2

11239.29 PP

760.71 EP

fval =

1.2703e+03检查解

fval 输出提供目标函数在任何可行点的最小值。

解向量 x 是目标函数具有最小值的点。请注意：

BF1、BF2 和 LE1 为 0，该值是它们的下界。

I2 为 244,000，该值是它的上界。

f 向量的非零分量为

HPS — 380,328.74

PP — 11,239.29

EP — 760.71