看书累了抄会书。。。
参考司守奎经典书
1.1 线性规划问题(LinearProgramming,LP)
1.1 线性规划的实例与定义例 1 某机床厂生产甲、乙两种机床,每台销售后的利润分别为 4000 元与 3000 元。
生产甲机床需用 B A、 机器加工,加工时间分别为每台 2 小时和 1 小时;生产乙机床
需用 C B A 、 、 三种机器加工,加工时间为每台各一小时。若每天可用于加工的机器时
数分别为 A 机器 10 小时、 B 机器 8 小时和 C 机器 7 小时,问该厂应生产甲、乙机床各
几台,才能使总利润最大?
上述问题的数学模型:设该厂生产 x1x1 台甲机器,生产 x2x2 台乙机器, 则目标函数 z=4x1+3x2
,线性规划问题是在一组线性约束条件的限制下,求一线性目标函数最大或最
小的问题。
在解决实际问题时,把问题归结成一个线性规划数学模型是很重要的一步,但往往
也是困难的一步,模型建立得是否恰当,直接影响到求解。而选适当的决策变量,是我
们建立有效模型的关键之一。
目标函数max(z=∑ni=1cixi),约束条件s.t.{∑nj=1aij=bi,i=1,2,...,m,xj≥0,j=1,2,...,n。式中:bi≥0,i=1,2,...,m。
可行解:满足约束条件的解 x=[x1,...,xn]T ,使式子达到最大值为最优解
可行域:所有可行解构成的集合称为问题的可行域,记为R。
图解法
matlab解法
标准形式为
minx=fTX,s.t.⎧⎩⎨A⋅X≤B,Aeq⋅X=beq,lb≤X≤ubminx=fTX,s.t.{A·X≤B,Aeq·X=beq,lb≤X≤ub
[x,fval] = linprog(f,A,b,Aeq,beq,lb,ub)
(f为价值向量,B 为资源向量,x返回决策向量的取值,fval返回目标函数的最优值,Aeq,beq对应线性等式约数,lb,ub分别对应决策向量的下界向量和上界向量。)
运输问题(产销平衡)
指派求解 匈牙利变化矩阵算法
1.2.1 案例:投资的收益和风险
市场上有n中资产si(u=1,2,...,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si 的平均收益率为ri ,风险损失率为 qi, 投资越分散,总的风险越小,总体风险可用投资的si 中最大的一个风险来度量。购买si 时要付交易费,费率为pi, 当购买额不超过给定值ui时,交易费按购买ui计算。另外,假定同期银行存款利率是r0 ,既无交易费又无风险(r0=5%)。
1)总体风险用所投资的sisi 中最大的一个风险来衡量,即max{qixiqixi|i=1,2,…,n}。
(2)购买si(i=1,2,...,n)si(i=1,2,...,n) 所付交易费是一个分段函数,即
交易费 = {pixi,xi>ui,piui,xi≤ui。{pixi,xi>ui,piui,xi≤ui。
而题目所给的定值uiui(单位:元)相对总投资M很少,piuipiui 更小,这样购买sisi 的净收益可以简化为(ri−pi)xi(ri−pi)xi。
(3)要使净收益尽可能大,总体风险尽可能小,这是一个多目标规划模型。
目标函数为{max∑ni=0(ri−pi)xi,min(max1≤i≤n(qixi))。
关于本模型优化
在实际投资中,投资者承受风险的程度不一样,若给定风险一个界限a,时最大的一个风险率为a,即qixiM≤a(i=1,2,...,n)
qixiM≤a(i=1,2,...,n), 可找到相应的投资方案。这样把多目标规划变成一个目标的线性规划
模型一:固定风险水平,优化收益
max∑ni=0(1+pi)xi,s.t.{qixiM≤a,i=1,2,...,n,∑ni=0(1+pi)xi=M,xi≥0,i=0,1,...,n。max∑i=0n(1+pi)xi,s.t.{qixiM≤a,i=1,2,...,n,∑i=0n(1+pi)xi=M,xi≥0,i=0,1,...,n。
在实际投资中,若投资者希望总盈利至少达到水平k以上,在风险最小的情况下寻求相应的投资组合。
模型二:固定盈利水平,极小化风险
min(max1≤i≤n(qixi))。s.t.⎧⎩⎨∑ni=0(ri−pi)xi≥k,∑ni=0(1+pi)xi=M,xi≥0,i=0,1,2,...,n。min(max1≤i≤n(qixi))。s.t.{∑i=0n(ri−pi)xi≥k,∑i=0n(1+pi)xi=M,xi≥0,i=0,1,2,...,n。
③投资者在权衡资产风险和预期收益两方面时,希望选择一个令自己满意的投资组合。因此对风险,收益分别赋予权重s(0<s≤1)和s−1,s称为投资偏好系数。s(0<s≤1)和s−1,s称为投资偏好系数。
模型三:带有权值的风险收益模型
min(s⋅max1≤i≤n(qixi))−(1−s)∑ni=0(ri−pi)xi,s.t.{∑ni=0(1+pi)xi=M,xi≥0,i=0,1,2,...,n。
min(s⋅max1≤i≤n(qixi))−(1−s)∑ni=0(ri−pi)xi,s.t.{∑ni=0(1+pi)xi=M,xi≥0,i=0,1,2,...,n。min(s·max1≤i≤n(qixi))−(1−s)∑i=0n(ri−pi)xi,s.t.{∑i=0n(1+pi)xi=M,xi≥0,i=0,1,2,...,n。
min(s⋅max1≤i≤n(qixi))−(1−s)∑ni=0(ri−pi)xi,s.t.{∑ni=0(1+pi)xi=M,xi≥0,i=0,1,2,...,n
min(s⋅max1≤i≤n(qixi))−(1−s)∑ni=0(ri−pi)xi,s.t.{∑ni=0(1+pi)xi=M,xi≥0,i=0,1,2,...,n