数学建模——线性规划

最新推荐文章于 2024-04-16 21:26:35 发布

物理系的hhpp

最新推荐文章于 2024-04-16 21:26:35 发布

阅读量2.4k

点赞数 4

分类专栏：数模文章标签：算法

本文链接：https://blog.csdn.net/weixin_62436283/article/details/128584467

版权

数模专栏收录该内容

3 篇文章 1 订阅

订阅专栏

一. 线性规划

1.基本概念

线性规划的标准形式为：

线性规划的解：

可行解 满足约束条件(1.4)的解x向量，被称为线性规划问题的可行解，而使目标函数(1.3)达到最大值的可行解叫做最优解。

可行域 所有可行解共同构成可行域，记作R

线性规划三要素：

灵敏度分析：

2.matlab的实现

二. 整形规划

1.整型规划分类

2.基础模型

2.1 非线性约束条件的线性化

1.相互排斥的约束条件

2.固定费用问题

3.模型求解

Matlab中 intlinprog函数用法

非线性求解

一.钢管下料问题

切割模式

目标函数：

约束条件：

目标一： $x_{2}=12,x_{5}=15$ 共27根，余27m

目标二： $x_{2}=15,x_{5}=5,x_{7}=5$ 共25根，余35m

问题2

决策变量：

$x_{i}$ ~按第i 种模式切割的原料钢管根数(i=1,2,3).

$r_{1i},r_{2i},r_{3i},r_{4i}$ ~ 第i 种切割模式下，每根原料钢管生产4m、5m、6m和8m长的钢管的数量.

目标函数（总根数）:

约束条件：

整数约束： xi ,r1i, r2i, r3i, r4i (i=1,2,3)为整数

每根余料要小于3

寻找约束非线性多变量函数的最小值 - MATLAB fmincon - MathWorks 中国

二.蒙特卡洛问题

蒙特卡洛方法也称为计算机随机模拟方法，它源于世界著名的赌城—摩纳哥的Monte Carlo（蒙特卡洛）。它是基于对大量事件的统计结果来实现一些确定性问题的计算。使用蒙特卡洛方法必须使用计算机生成相关分布的随机数，MATLAB给出了生成各种随机数的命令。

例题：

function [f,g]=mengte(x);  %定义目标函数和约束条件
f=x(1)^2+x(2)^2+3*x(3)^2+4*x(4)^2+2*x(5)-8*x(1)-2*x(2)-3*x(3)-...
x(4)-2*x(5);
g=[sum(x)-400
x(1)+2*x(2)+2*x(3)+x(4)+6*x(5)-800
2*x(1)+x(2)+6*x(3)-200
x(3)+x(4)+5*x(5)-200];
end

clc, clear
%rng('shuffle')  %根据当前时间为随机数生成器提供种子
rng(0) %进行一致性比较，每次产生的随机数是一样的
p0=0; n=10^6; tic    %计时开始

for i=1:n
   x=randi([0,99],1,5); %产生一行五列的区间[0,99]上的随机整数
   [f,g]=mengte(x);
   if all(g<=0)
       if p0<f
           x0=x; p0=f; %记录下当前较好的解
       end
   end
end
x0, p0, toc    %计时结束