数模+线性规划+MATLAB+linprog

MikingG

已于 2023-08-28 14:29:22 修改

阅读量591

点赞数

分类专栏：从零开始学数学建模学习笔记文章标签：数学建模学习笔记 matlab

于 2023-08-16 21:17:11 首次发布

本文链接：https://blog.csdn.net/weixin_64123373/article/details/132317466

版权

从零开始学数学建模学习笔记专栏收录该内容

24 篇文章 5 订阅

订阅专栏

本文为北海的数模课程学习笔记，课程出自微信公众号：数学建模BOOM。

数学建模，就是把题目翻译成数学语言

有些简化的坑还可以再填上，论文里写作“模型改进

线性规划

模型简介

适用：解决优化类问题——有限的资源，最大的收益。

通俗例子：华强利用有限的瓜使挑衅值最大。

模型分析

适用赛题

注意“最合理”这种模糊词

要自己给它下定义，是利润最大，还是时间最短等等。

判断线性和非线性的标准：约束条件和目标函数中的变量是否全为一次方。

典型例题与原理讲解

多目标线性规划

既要净收益尽可能大，又要总风险尽可能小

合理假设可以简化模型

例1：交易费原本是一个分段函数，但是可以通过一个合理的假设简化掉一段。

例2：

有些简化的坑还可以再填上，论文里写作“模型改进

对a的不同取值再次求解，此时就是把a当成变量了。

代码求解

`linprog基本用法`

linprog 是 MATLAB 中的一个函数，用于求解线性规划问题。

[x, fval] = linprog(f, A, b, Aeq, beq, lb, ub, options)

这里的参数：

f - 是目标函数的系数矩阵。如果你想最小化 c(1)*x(1) + c(2)*x(2) + ...，那么 f 就是 c 的向量。
A, b - 这是不等式约束。他们代表 Ax ≤ b。例如，如果想有约束 x1 + 2x2 ≤ 8 和 2x1 + x2 ≤ 6，那么 A 会是一个 2x2 矩阵，b 会是一个 2x1 向量。
Aeq, beq - 这是等式约束。它们表示 Aeqx = beq。与 A 和 b 类似，但它们是等式约束而不是不等式约束。
lb, ub - 这是 x 的下界和上界。例如，如果 x1 必须在 0 到 5 之间，那么 lb(1) = 0，ub(1) = 5。
options - 是一个结构体，包含优化选项。使用 optimoptions 可以创建此结构体。

返回值 x 是一个向量，包含了使目标函数 f 最小化的变量值，fval为目标函数的最优值。

示例：

最小化: f=2x1+3x2

不等式约束:

x1 + x2 ≤ 4

x1 - x2 ≤ 2

那么可以这样使用 linprog：

f = [2; 3]; 
A = [1, 1; 1, -1]; 
b = [4; 2]; 
[x, fval] = linprog(f, A, b);

最后, x 会包含最优解，fval为目标函数的最小值。

linprog注意事项

linprog函数的标准形式是[x, fval ]= linprog(f,A,b,Aeq,beq,lb,ub)
若不存在不等式约束，用“ [ ]” 代替𝐴和𝑏： [𝑥, fval ]= linprog (𝑓,[ ],[ ],𝐴𝑒𝑞, beq ,𝑙𝑏,𝑢𝑏)
若不存在等式约束，用“ [ ]” 代替𝐴𝑒𝑞和𝑏𝑒𝑞： [𝑥, fval ]= linprog (𝑓,𝐴,𝑏,[ ], [ ] ,𝑙𝑏,𝑢𝑏)
没有等式约束和最小、最大取值的约束时，可以不写𝐴𝑒𝑞,𝑏𝑒𝑞 和𝑙𝑏,𝑢𝑏： [𝑥, fval ]= linprog (𝑓,𝐴,𝑏)
若题目求最大值：目标函数等号两端加负号转为求最小值，求解后目标值再取负

写出已知参数的矩阵

min...对应f
st1对应A，b
st2对应Aeq，beq
st3对应lb

完整代码

% clc是清除命令行窗口，clear是清除存储空间的变量
clc,clear;

% a矩阵的元素是不同风险率，从0到0.05等差取值，相邻两个数相差0.001
a = (0:0.001:0.05); 

f = [-0.05,-0.27,-0.19,-0.185,-0.185];      % 目标函数的系数向量

% A是不等式约束条件的变量系数构成的矩阵
% 用zeros(4,1)先构造4行一列的全是0的矩阵，也就是对x_0无约束；
% 再构造对角矩阵diag([0.025,0.015,0.055,0.026])，对角线上元素为约束条件中变量的系数
A = [zeros(4,1),diag([0.025,0.015,0.055,0.026])];   

Aeq = [1,1.01,1.02,1.045,1.065]; % 等式约束的系数矩阵，也就是所有资产投资
beq = 1;
LB = zeros(5,1);
Q = zeros(1,length(a));     % 初始化保存最优解的矩阵Q，因为现在还没求出最优解，元素全设为0
XX = [];    % 定义个空矩阵，用来存不同风险率下的最优解

% 利用矩阵Q存储风险率a(i)下最大的收益；for循环中i在变化，风险率a(i)不同，求出对应的最优解存在矩阵Q内
for i = 1:length(a)         % length求出矩阵a的元素个数，有多少个元素，就循环多少次  
    b = a(i)*ones(4,1);     % b是约束条件的常数项矩阵,4行1列，每个元素值都是常数a(i)
    [x,y] = linprog(f,A,b,Aeq,beq,LB);      % 调用linprog函数，x为最优解，由于标准化，此时的y为最小值
    Q(i) = -y;      % 负负得正，就是所需求的最大值了
    XX = [XX;x'];   % x'是x的转置的意思，XX用来保存每一次的投资方案
end
plot(a,Q,'*r');      % 以风险率为横轴，收益为纵轴，绘制不同风险率下的最优收益，*是点，r是红色
xlabel('风险率');        % x和y轴分别附上标签
ylabel('最大收益');