建模2----学习笔记之规划问题

感谢博文https://blog.csdn.net/cokezkx/article/details/97778450

线性规划

在一组线性的约束条件的限制下，求一线性目标函数最大或最小的问题。即在有约束的条件下求一元或多元函数的极值。

手动计算的方法：
假设要优化的函数为$f(x,y,z)$，要满足约束条件$G(x,y,z)=H(x,y,z)=0$，
设拉格朗日函数$L(x,y,z,\lambda ,\mu )=f(x,y,z)-\lambda G(x,y,z)-\mu H(x,y,z)$
列方程组$L_x=L_y=L_z=L_{\lambda }=L_{\mu }=0$。（$L_x$为$L$对$x$的偏导）

利用软件Lingo：

max=2*x1+3*x2-5*x3;
x1+x2+x3=7;
2*x1-5*x2+x3>=10;
x1+3*x2+x3<=12;
x1>=0;
x2>=0;
x3>=0;

Objective value: 14.57143
Variable Value
X1 6.428571
X2 0.5714286
X3 0.000000

整数规划

规划中的变量（部分或全部）限制为整数时。
Lingo例程：（@gin是整数限定）

max=x1^2+x2^2+3*x3^2+4*x4^2+2*x5^2-8*x1-2*x2-3*x3-x4-2*x5;
x1<=99;
x2<=99;
x3<=99;
x4<=99;
x5<=99;
x1>=0;
x2>=0;
x3>=0;
x4>=0;
x5>=0;
x1+x2+x3+x4+x5<=400;
x1+2*x2+2*x3+x4+6*x5<=800;
2*x1+x2+6*x3<=200;
x3+x4+5*x5<=200;
@gin(x1);
@gin(x2);
@gin(x3);
@gin(x4);
@gin(x5);

非线性规划

目标函数或约束条件中包含非线性函数。
Lingo例程：

min=x1^2+x2^2+x3^2+8;
x1^2-x2+x3^2>=0;
x1+x2^2+x3^3<=20;
-x1-x2^2+2=0;
x2+2*x3^2=3;
x1>=0;
x2>=0;
x3>=0;

动态规划

动态规划主要体现在两个方面，一是将多步决策过程转化为一系列单步决策过程，二是存在很多重叠子问题，编程时第一次求出某个节点的值时应该存储起来。
比如在求最短路径中，单步的计算公式： D m i n ( x ) = m i n { d ( x , x i ) + D m i n ( x i ) } D_{min}(x)=min\{d(x,xi)+D_{min}(xi)\} Dmin​(x)=min{d(x,xi)+Dmin​(xi)}。
Lingo例程，共1-10十个城市，输出得到每个城市到city10的最短距离。关键地方有注释啦。

sets:
p/1..4/:path;
CITIES/1..10/:F;
! F(i) is the shotest path of city i;
ROADS(CITIES,CITIES)/
	1,2 1,3 1,4 
	2,5 2,6 2,7
	3,5 3,6 3,7
	4,5 4,6
	5,8 5,9
	6,8 6,9
	7,8 7,9
	8,10
	9,10/:D;
!D(i,j) is the distance from i to j;
ENDSETS
DATA:
D=
	1 5 2
	13 12 11
	6 10 4
	12 14
	3 9
	6 5
	8 10
	5
	2;
ENDDATA
F(@SIZE(CITIES))=0;
!F(i)=min{D(i,j)+F(j)};
@FOR(CITIES(i)|I #LT# @SIZE(CITIES):F(i)=@MIN(ROADS(i,j):D(i,j)+F(j)));
END