割平面法只能求解纯整数规划吗_数学建模中的数学规划问题

数学规划

1. 数学规划概述

（1）问题的一般形式

max(min) f ( x)

s.t. x ∈X

其中x是一个n维向量，也称决策变量；X是一个集合， 可以简单区域，也可以用一系列的等式和不等式甚至其 他形式表示，称为可行集。

（2）数学规划应用的广泛性

1， 吉尼斯世界纪录； 2，总理的政府工作报告；

3，公司的领导的核心工作； 4，如何使用好自己的钱；

5，树木的生长问题； 6，群狼的捕猎计划；

7，行星的运行轨道； 8，原子的内部结构。

（3）数学规划的分类

根据问题的结构，可以进行下面的一些分类

（1）线性规划：目标函数和约束是线性的

（2）非线性规划：目标函数或约束是非线性的

（3）整数规划：决策变量是离散的，只能取整数值

（4）多目标规划：目标函数有多个

（5）……

线性规划：最简单、最广泛使用。George B. Dantzig， 1947年线性规划单纯型算法

非线性规划：更多的应用背景。1951年Kuhn和Tucker，最优性条件。

整数规划：最富于挑战、回归本源。 1958年R.E.戈莫里，割平面法

多目标规划：人性多样化要求。1896年法国经济学家 V.帕累托提出多样化思想。

2.线性规划

（1）线性规划例子及模型的建立

例子1：动物饲养问题

Example1：动物饲养问题

一家现代化兔子饲养场饲养一种兔子。根据兔子在不同时期的体重计算出兔子每周营养物质的数量。简单起见，这里考虑三种对生长其重要作用的营养成分，蛋白质、矿物质和维生素。

蛋白质：70克

矿物质：3克

维生素：10毫克

现有五种饲料，公司希望找出满足动物营养需要使成本达到最低的混合饲料配置。

每一种饲料每斤所含的营养成分

① 决策变量：在混合饲料中，每周所需第j种饲料的斤数xj，j= 1，2，3，4，5；

② 约束条件：

•蛋白质：0.30x1+2x2+x3+0.6x4+1.8x5≥70

•矿物质：0.10x1+0.05x2+0.02x3+0.2x4+0.05x5≥3

•维生素：0.05x1+0.1x2+0.02x3+0.2x4+0.08x5≥10

•非负约束：xi≥0

③ 确定目标：混合饲料的成本最低

0.02x1+0.07x2+0.04x3+0.03x4+0.05x5→min

线性规划模型：

min 0.02x1+0.07x2+0.04x3+0.03x4+0.05x5

s.t. 0.30x1+2x2+x3+0.6x4+1.8x5≥70

0.10x1+0.05x2+0.02x3+0.2x4+0.05x5≥3

0.05x1+0.1x2+0.02x3+0.2x4+0.08x5≥10

xj≥0 j = 1,2,3,4,5;

Example2：蔬菜运输问题

有5个蔬菜基地每天向3家超市供应蔬菜，其相关数据如下：

制定调运方案，既可以满足供需关系，又使运输的吨公里数达到最小。

记号说明:(xi,yi)表示蔬菜基地i 的坐标；(aj,bj)表示超市j的坐标；Cij表示基地i到超市j的距离；

si表示蔬菜基地i的产量； dj表示超市j的需求量。

决策变量：基地i 到超市j 的运量Xij 作为决策变量（i = 1, 2, ..., 5，j = 1, 2, 3）。

Xij≥0,i=1,...,5, j=1,2,3

（3）线性规划MATLAB求解命令

linprog, 解决的线性规划问题的标准格式为：min cT x

s.t. A·x <= b

Aeq·x = beq

LB≤x≤UB

其中，A、 Aeq表示矩阵，而b、 c、 x、 beq、 LB、 UB为列矩阵

[x ,fval]= linprog(c, A, b, Aeq,beq ,LB, UB）

如果没有等式约束，就在相应位置输入空矩阵[ ]， 不等式约束和上下界也类似，最后的输入项若没有,则可省略。

例一求解

由于linprog要求所有的不等式约束是“≤”的形式，所以将模型转化成为标准形式。

c=0.01*[2 7 4 3 5]’;
 A=-[0.3 2 1 0.6 1.8;
   0.1 0.05 0.02 0.2 0.05;
   0.05 0.1 0.02 0.2 0.08];
b=-[70;3;10];
Lb=zeros(5,1);     % 5行1列的零矩阵
[x,fval]=linprog(c,A,b,[],[],Lb)

计算结果：x=[0;0;0;39.7436;25.6410]

fval=2.4744

例二求解

%因为在linprog命令中决策变量和价格向量是向量，因此应该将对应的矩阵C和X拉直变成向量形式。

3.非线性规划

（1）非线性规划例子及模型的建立

例子1：拟合问题

平面上 n个点（xi,yi),i=1,…,n, 寻求一个函数y=f(x), 使 f(x) 在某种准则下与所有数据点最为接近。

例子2：电路板设计问题

就是将电路元件选择适当位置并通过导线进行连接。

确定三个模块的位置，满足下列要求的情况下使得总连线最短。

（1）满足如图的连接关系；

（2）所有元件完全位于电路板之内；

（3）三个元件为圆柱形，半径分别为0.2，0.1和0.1；

（4）元件1和元件3要求距离等于0.5。

决策变量：令(x i, yi)(i =1, 2,3)为三个元件的中心的横纵坐标。

目标函数：总距离（六条连线长度之和）最小

(2)非线性规划标准形式

非线性规划问题，可以根据是否有约束条件，可以分成无约束问题和约束优化问题；

比如前面给出的例子1就是无约束非线性规划问题，而例子2是一个约束非线性规划问题。

无约束优化问题标准形式 :

Min f(x)

① 首先建立一个函数M文件，如fun.m

②调用格式：

[x, fval] = fminunc(‘fun’, x0, options)

约束优化问题标准格式：

Min f(x)

s.t. G1(x) ≤0, G2(x)=0, (非线性约束)

Ax ≤b, Aeq.x=beq, (线性约束)

Lb ≤x ≤Ub

调用格式:

[x,fval]=fmincon(@fun,x0,A,b,Aeq,beq,Lb,Ub,@con)

（3）非线性规划MATLAB求解命令

例一求解

function y=fnonl(x)
 
t=[20.5 32.5 51 73 95.7];
R=[765 826 873 942 1032];
y=norm(x(1)*t+x(2)-R,2); % 2-范数：就是norm(...,2)，即各元素平方和开根号；
y=y^2;
 
x=ones(2,1);
[x,fval]=fminunc( @fnonl,x)

结果：x =[3.3940;702.4918]

fval = 321.2166

例二求解

%目标函数M文件
function y=fcon(x)
 
y=((x(1)+1)^2+x(4)^2)^0.5+((x(1)-x(2))^2+(x(4)-x(5))^2)^0.5+((x(2)-0.5)^2+(x(5)-1)^2)^0.5+((x(1)-x(3))^2+(x(4)-x(6))^2)^0.5+(x(3)^2+(x(6)+1)^2)^0.5+((x(3)-1)^2+(x(6)-0.5)^2)^0.5;
%约束条件的函数M文件
 
function [c,ceq]=ccon(x)
c=[0.09-(x(1)-x(2))^2-(x(4)-x(5))^2;0.09-(x(1)-x(3))^2-(x(4)-x(6))^2;0.04-(x(2)-x(3))^2-(x(5)- x(6))^2];
ceq=[(x(1)-x(3))^2+(x(4)-x(6))^2-0.25];
 
x0=[0.5;0.2;0.1;-0.5;0.2;0.8];
Ub= [0.8;0.9;0.9;0.8;0.9;0.9]; 
Lb=-Ub;
options=optimset('display', 'iter') [x,fval]=fmincon(@fcon,x0,[],[],[],[],Lb, Ub,@ccon,options)

计算结果

x =[0.2930; 0.4445; 0.6574; 0.6410;0.9000;0.2987]

fval =4.2105