matlab reshape_指派问题的Matlab、Lingo、Mathematica及1stOpt求解对比

最新推荐文章于 2024-08-11 21:06:42 发布
最新推荐文章于 2024-08-11 21:06:42 发布
阅读量557 收藏 3
点赞数
文章标签： matlab reshape matlab sum函数 matlab 线性规划

1. 指派问题

有n项任务要分配给n个人去做，每人只完成一项任务，每个任务也只由一个人完成。已知每人完成每项任务所需的时间效率矩阵C[i,j]如下。问如何分配任务，使完成所有工作所用的总时间最少？

例如：任务为1，2，3，4，人员为1，2，3，4，时间效率矩阵C[i,j]为：

任务1

任务2

任务3

任务4

人员1

2

15

13

4

人员2

10

4

14

5

人员3

9

14

16

13

人员4

7

8

11

9

 2. 模型建立

引入决策变量x[i,j]，如果让第i个人去完成第j项任务，则x[i,j] =1，否则x[i,j] = 0,则指派问题的数学模型为：

9567f2b69d58c5e31fd8741ed7b169b2.png

3. Matlab求解

用MATLAB求解线性规划或混合整数规划时，决策变量只能是向量(即一维数组)，所以需要把上述数学模型中的双下标常量和决策变量都转化成单下标变量，同时约束也需要进行相应的转换。最终求解代码如下。

Matlab代码：

f=[2,10,9,7,15,4,14,8,13,14,16,11,4,5,13,9];intcon = 1:16;Aeq=[1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0;0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0;0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0;0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1;1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0;0 0 0 0 1 1 1 1 0 0 0 0 0 0 0 0;0 0 0 0 0 0 0 0 1 1 1 1 0 0 0 0;0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1]beq = ones(8,1);lb=zeros(1,16);ub=ones(1,16);[Y,fval,exitflag] = intlinprog(f,intcon,[],[],Aeq,beq,lb,ub);x=reshape(Y,4,4)fval

Matlab结果输出：

ans =     0     0      0     1     0     1      0     0     1     0      0     0     0     0      1     0Fval = 28

新版MATLAB提供了更具可读性的问题描述及解决方法。

新版Matlab求解代码：

c = [2 15 13 4; 10 4  14 5; 9 14 16 13; 7 8 11 9];prob =  optimproblem('ObjectiveSense', 'min');x = optimvar('x', 4,  4, 'Type', 'integer', 'LowerBound', 0, 'UpperBound', 1);prob.Objective =  sum(sum(c .* x));prob.Constraints.cond1  = sum(x, 1) == 1;prob.Constraints.cond2  = sum(x, 2) == 1;% prob.showproblemsol = prob.solve;sol.x

Matlab结果输出：

LP:                Optimal  objective value is 28.000000.                                           Optimal solution found.Intlinprog stopped at the root node because theobjective value is within a gap tolerance of the optimal value,options.AbsoluteGapTolerance = 0 (the default value). The intcon  variables areinteger within tolerance, options.IntegerTolerance = 1e-05 (the  default value).ans =     0     0      0     1     0     1      0     0     1     0      0     0     0     0      1     0

4. Lingo求解

      用LINGO来求解这个指派问题，只需要会建立集合及其属性，其它就基本上是对数学模型的直接翻译，无需复杂的转换。

Lingo求解代码：

MODEL:DATA:N = 4;ENDDATASETS:AGENTS/1..N/;TASKS/1..N/;MATRIX(AGENTS,TASKS):COST, X;ENDSETSDATA:COST =2,15,13,4,10,4,14,5,9,14,16,137,8,11,9;ENDDATAMIN = @SUM(AGENTS(I) :    @SUM(TASKS(J):  COST(I,J)*X(I,J)));@FOR(AGENTS(I):    @SUM(TASKS(J):X(I,J)) =  1);@FOR(TASKS(J):    @SUM(AGENTS(I):X(I,J)) =  1);@FOR(AGENTS(I):    @FOR(TASKS(J) :  @GIN(X(I,J))));END

Lingo结果输出

Global optimal solution  found.

  Objective value:                     28.00000000000000  Objective bound:                     28.00000000000000  Infeasibilities:                     0.000000000000000  Extended solver  steps:                               0  Total solver  iterations:                              0  Elapsed runtime  seconds:                          0.03  Model Class:                                      PILP  Total variables:                     16  Nonlinear variables:                  0  Integer variables:                   16  Total constraints:                    9  Nonlinear  constraints:                0  Total nonzeros:                      48  Nonlinear nonzeros:                   0              Variable                    Value                 Reduced Cost                     N        4.000000000000000            0.000000000000000           COST( 1, 1)        2.000000000000000            0.000000000000000           COST( 1, 2)        15.00000000000000            0.000000000000000           COST( 1, 3)        13.00000000000000            0.000000000000000           COST( 1, 4)        4.000000000000000            0.000000000000000           COST( 2, 1)        10.00000000000000            0.000000000000000           COST( 2, 2)        4.000000000000000            0.000000000000000           COST( 2, 3)        14.00000000000000            0.000000000000000           COST( 2, 4)        5.000000000000000            0.000000000000000           COST( 3, 1)        9.000000000000000            0.000000000000000           COST( 3, 2)        14.00000000000000            0.000000000000000           COST( 3, 3)        16.00000000000000            0.000000000000000           COST( 3, 4)        13.00000000000000            0.000000000000000           COST( 4, 1)        7.000000000000000            0.000000000000000           COST( 4, 2)        8.000000000000000            0.000000000000000           COST( 4, 3)        11.00000000000000            0.000000000000000           COST( 4, 4)        9.000000000000000            0.000000000000000              X( 1, 1)        0.000000000000000            2.000000000000000              X( 1, 2)        0.000000000000000            15.00000000000000              X( 1, 3)        0.000000000000000            13.00000000000000              X( 1, 4)        1.000000000000000            4.000000000000000              X( 2, 1)        0.000000000000000            10.00000000000000              X( 2, 2)        1.000000000000000            4.000000000000000              X( 2, 3)        0.000000000000000            14.00000000000000              X( 2, 4)        0.000000000000000            5.000000000000000              X( 3, 1)        1.000000000000000            9.000000000000000              X( 3, 2)        0.000000000000000            14.00000000000000              X( 3, 3)        0.000000000000000            16.00000000000000              X( 3, 4)        0.000000000000000            13.00000000000000              X( 4, 1)        0.000000000000000            7.000000000000000              X( 4, 2)        0.000000000000000            8.000000000000000              X( 4, 3)        1.000000000000000            11.00000000000000              X( 4, 4)        0.000000000000000            9.000000000000000                   Row             Slack or Surplus               Dual Price                     1        28.00000000000000           -1.000000000000000                     2        0.000000000000000            0.000000000000000                     3        0.000000000000000            0.000000000000000                     4        0.000000000000000            0.000000000000000                     5        0.000000000000000            0.000000000000000                     6        0.000000000000000            0.000000000000000                     7        0.000000000000000            0.000000000000000                     8        0.000000000000000            0.000000000000000                     9        0.000000000000000            0.000000000000000

5. Mathematica求解

首先进行初始化：

mat = Table[Subscript[a, i, j], {i, 1, 4}, {j, 1, 4}];Cmat = {{2, 15, 13, 4}, {10, 4, 14, 5}, {9, 14, 16, 13}, {7, 8,  11,    9}};

之后使用Minimize函数：

Minimize[{Flatten[mat].Flatten[Cmat],   Table[Sum[mat[[k, i]],  {i, 1, 4}], {k, 1, 4}] == {1, 1, 1, 1},   Table[Sum[mat[[i, k]],  {i, 1, 4}], {k, 1, 4}] == {1, 1, 1, 1}}~  Join~Flatten@   Table[0 <=  Subscript[a, i, j] <= 1, {i, 1, 4}, {j, 1, 4}], Flatten[mat], Integers]

Mathematica结果输出：

{28, {a1.1 -> 0, a1.2 -> 0, a1.3 -> 0, a1.4 -> 1, a2.1  -> 0, a2.2 -> 1, a2.3 -> 0, a2.4 -> 0,a3.1 -> 1, a3.2 -> 0, a3.3 -> 0, a3.4 -> 0, a4.1 ->  0, a4.2 -> 0, a4.3 -> 1, a4.4 -> 0}}

Mathematica结果列为矩阵：

In[67]:= mat /.({28, {a1.1  -> 0, a1.2 -> 0, a1.3 -> 0, a1.4 -> 1, a2.1 -> 0, a2.2 -> 1, a2.3 -> 0, a2.4  -> 0,a3.1 -> 1,  a3.2 -> 0, a3.3 -> 0, a3.4 -> 0,a4.1 ->  0, a4.2 -> 0, a4.3 -> 1, a4.4 -> 0}} [[2]] //MatrixFormOut[67]//MatrixForm(0     0      0     1     0     1      0     0     1     0      0     0     0     0      1     0)

6. 1stOpt求解

1stOpt求解代码：

Constant n=4, c(n,n)=[2,15,13,4,10,4,14,5,9,14,16,13,7,8,11,9];IntParameter x(n,n);Algorithm = LP;MinFunction Sum(i=1:n)(Sum(j=1:n)(c[i,j]*x[i,j]));             For(i=1:n)(Sum(j=1:n)(x[i,j])=1);             For(j=1:n)(Sum(i=1:n)(x[i,j])=1);

1stOpt结果输出：

Objective Function(Min.): 28Best Estimated Parameters:x[1,1]: 0x[1,2]: 0x[1,3]: 0x[1,4]: 1x[2,1]: 0x[2,2]: 1x[2,3]: 0x[2,4]: 0x[3,1]: 1x[3,2]: 0x[3,3]: 0x[3,4]: 0x[4,1]: 0x[4,2]: 0x[4,3]: 1x[4,4]: 0

     对于指派问题，四种软件均可获得相同结果的解。

对不同的版本的Matlab，提供了两种求解方式，第一种比较繁琐，需要进行一些转换工作才能进行求解，第二种相对简单些，两种方式都需要掌握特定命令语句；

Lingo求解，需要熟知Lingo语言中关于集合及其属性的定义，总体上是对数学模型的直接翻译，无需复杂的转换；

Mathematica代码简短，但命令高度抽象，生涩难懂；

1stOpt代码最为直观简洁，与模型公式完全一样。

本文参照知乎贴：https://www.zhihu.com/question/49319704

weixin_39666782
关注
CC.rar_CC_cc matlab_reshape_时间 延迟 matlab_时间序列分解
07-15
时间序列分解，时间序列重构，时间延迟的计算。
【数学建模】整数规划
开心星人的博客
08-05 910
拟分配n人去做n项工作，每人做且仅做一项工作，若分配第i人去做第j项工作，需花费c单位时间，问应如何分配工作才能使工人花费的总时间最少？、y=12-x与x轴在第一象限围成一个曲边三角形。设计一个随机实验，求该图形面积的近似值。个随机点，统计随机点落在曲边三角形的频数，则曲边三角形的面积近似为上述矩形的面积乘以频率。在矩形区域[0,12]×[0,9]上产生服从均匀分布的10。编写文件mengte.m，目标函数f和约束向量g。如果有m个互相排斥的约束条件。......
算法习题——工作分配问题
少女与飞剑的博客
12-28 1546
问题描述: 有n件工作分配给n个人。将工作i分配给第j个人所需的费用为cij 。 设计一个算法，对于给定的工作费用，为每一个人都分配1 件不同的工作，并使总费用达到最小。 解题思路： 使用回溯法排列树找到每一个解向量x， 其中i代表第i个工人，x[i]代表第i个工人分配的工作。 这样在每次找到一个解向量后，就可以计算出其费用，然后通过一个变量就可以迭代出最小的费用。在排列树的寻找过程中没有约束条件。 输入： 3 10 2 3 2 3 4 3 4 5 输出： 9 代码： #include <stdi
【整数规划】+【0—1规划】解决优化类问题（Matlab代码）
最新发布
wxhdvd的博客
08-11 1399
在规划问题中，有些最优解可能是分数或小数，但对于某些具体问题，常要求某些变量（全部或部分）的解必须是整数。例如当我们的变量时人数或者机器的台数。此时我们就需要利用整数规划来求最优解。背包问题和指派问题是运用0-1规划的常见两种情况，需要掌握还有其他一些情况大家可自行查找资料学习。
codeup26703_工作分配问题
HCSDN
07-31 520
codeup26703_工作分配问题 时空限制    1000ms/128MB 题目描述     设有n件工作分配给n个人。将工作i分配给第j个人所需的费用为cij。试设计一个算法，为每一个人都分配一件不同的工作，并使总费用达到最小。 编程任务     设计一个算法，对于给定的工作费用，计算最佳工作分配方案，使总费用达到最小。 输入格式     由文件job.in给出输入数据。第一行...
工作分配问题
在改bug的路上
11-30 763
工作分配问题 Description 设有n件工作分配给n个人。将工作i分配给第j个人所需的费用为cij。试设计一个算法，为每一个人都分配一件不同的工作，并使总费用达到最小。 Input 第一行有1个正整数n (1≤n≤20)。接下来的n行，每行n个数，第i行表示第i个人各项工作费用。 Output 最小总费用。 Sample Input 3 4 2 5 2 3 6 3 4 5 Sample Output 9 #include <bits/stdc++.h> using namespace st
matlab求解指派问题最优解的函数
freshman的博客
08-01 7044
关于matlab求解指派问题数学模型的函数构建
匈牙利算法指派问题matlab代码
04-27
### 匈牙利算法在指派问题中的应用与MATLAB实现 #### 一、匈牙利算法概述 匈牙利算法是一种高效的解决指派问题的方法，特别适用于成本矩阵（或效率矩阵）的情况，即需要将一系列任务分配给一系列执行者，并使得总...
reshape_daily:重塑 1D 和类似日历的 3D 矩阵之间的每日时间序列。-matlab开发
05-29
句法[s,t] = reshape_daily(s,t) [s,t,year,month,day] = reshape_daily(s,t) 描述[s,t] = reshape_daily(s,t) 返回对应于时间 t 和信号 S 的重构时间序列数组。如果输入数组是 Nx1 或 1xN，则返回 3D 数组 s 和 T...
2AM_matlab_信号处理_matlab2fsk_closeqj1_
10-03
在本文中，我们将深入探讨基于MATLAB的2-Frequency Shift Keying（2-FSK）信号的生成和解调。2-FSK是一种常见的数字调制技术，它通过改变载波频率来传输二进制数据。MATLAB作为一个强大的数学计算和数据分析环境，...
MATLAB.rar_MATLAB 常用函数_Matlab常用函数 _matlab 电子书_matlab电子书
09-21
通过解决实际问题，如数值积分、系统仿真、图像处理等，用户可以逐步加深对MATLAB的理解。同时，MATLAB社区和论坛（如MATLAB Central）提供了丰富的代码示例和解答，是学习过程中宝贵的资源。 最后，持续学习和更新...
使用intlinprog求解指派问题MATLAB代码分享
qq_2645521500的博客
02-10 1054
使用intlinprog求解指派问题MATLAB代码分享
《数学建模算法与应用》-整数规划-指派问题-matlab求解
半岛铁盒里
07-12 2473
《数学建模算法与应用》——司守奎，整数规划相关的指派问题，主要叙述如何利用构建系数矩阵来满足matlab的求解函数参数（等式约束和不等式约束）
【指派问题】基于遗传算法求解指派优化问题附matlab代码
matlab_dingdang的博客
01-26 578
提出了利用遗传算法来解决指派问题,主要将每项任务作为一个基因位,形成染色体,然后借助遗传操作的选择,交叉和变异等操作来对问题进行优化操作.实验结果表明设算法是有效的.
匈牙利算法 指派问题 Lingo&Matlab实现
yu_moyu的博客
08-04 1407
2、分派问题（匈牙利算法）与MATLAB实现https://blog.csdn.net/qq_36980029/article/details/96626332。1、匈牙利算法——MATLAB代码https://blog.csdn.net/qq_36980029/article/details/105866390。5个人完成4项工作，时间成本最小。
matlab指派问题求法,matlab求解指派问题
weixin_30969479的博客
03-16 4029
matlab求解运筹学中的指派问题，这里并非用匈牙利法求解。其中C为效率矩阵。%适用于任意n阶系数矩阵clear all；C=[2 15 13 4;10 4 14 15;9 14 16 13;7 8 11 9];%效率矩阵Cn=size(C,1);%计算C的行列数nC=C(:);%计算目标函数系数，将矩阵C按列排成一个列向量即可。A=[];B=[];%没有不等式约束Ae=zeros(2*n,n^2...
【优化指派】基于禁忌搜索算法求解指派优化问题（耗时最短）附Matlab代码
matlab_dingdang的博客
04-25 270
指派问题是组合优化问题中的一种,禁忌搜索算法可以根据通过局部邻域搜索进行全局逐步寻优.根据实际情况构造邻域函数,设置禁忌对象,构造禁忌表和指定合适的禁忌长度,制定合理的特赦规则,在合理的时间内得到一个最优解.
matlab 0-1规划求解指派问题
热门推荐
zero
08-18 4万+
指派问题可以用匈牙利算法，嫌代码太长，用0-1整数规划，matlab求解很方便，另外lingo也特别方便
指派问题匈牙利解法以及matlab代码
qq_35608277的博客
11-09 2万+
1 指派问题概述 实际中，会遇到这样的问题，有n项不同的任务，需要n个人分别完成其中的1项，每个人完成任务的时间不一样。于是就有一个问题，如何分配任务使得花费时间最少。 通俗来讲，就是n*n矩阵中，选取n个元素，每行每列各有1个元素，使得和最小。 数学模型 2 匈牙利解法 ref https://www.cnblogs.com/chenyg32/p/3293247.html https://bl...
MATLAB解决运筹学指派问题及优化算法
"该资源介绍了如何使用MATLAB解决运筹学中的指派问题。通过一个5x5的成本矩阵c，创建了一个10x25的约束矩阵a，并设置了10个1的向量b作为目标函数的边界条件。然后利用MATLAB的bintprog函数求解，最终展示了解决后的x...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值