优化模型_线性规划

本文介绍了线性规划的基本概念,包括模型的构成要素、标准型定义以及其在优化问题中的应用。重点讲解了如何在Matlab中使用linprog函数求解线性规划问题,并给出了一个实际的示例和结果分析。
摘要由CSDN通过智能技术生成

1 概述

         线性规划 (Linear Programming) 是规划类问题的重要分支。自1947年G.B.Dantzing提出求解线性规划的单纯型方法以来,线性规划在理论上趋向成熟。线性规划问题是在一组线性约束条件的限制下,求一线性目标函数最大或最小的问题。

        线性规划模型的三要素:决策变量、目标函数、约束条件。

        一般线性规划问题的标准型:

max z=\sum_{j=1}^{n}{c_jx_j}

s.t.\left\{\begin{matrix} \sum_{j=1}^{n}a_{ij}x_j=b_i,i=1,2,...m\\ x_j>=0,j=1,2,...n \end{matrix}\right.

        满足约束条件的解x=\left [ x_1,x_2,...x_n \right ]^T称为线性规划问题的可行解,使目标函数达到最大值的可行解为最优解,所有可行解的集合称为问题的可行域。

2 模型应用

线性规划问题常用于求解优化类问题,其目标函数、约束条件必须为线性函数。

3 编程求解(基于matlab)

Matlab中常用linprog函数求解线性规划问题。调用格式:

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

A,Aeq为矩阵;f,x,b,beq,lb,ub均为列向量。

示例:求解线性规划问题

min z=2x_1+3x_2+x_3

s.t.\begin{Bmatrix} x_1+4x_2+2_3>=8\\ 3x_1+2x_2>=6\\ x_1,x_2,x_3>=0 \end{Bmatrix}

编写Matlab程序如下:

c=[2;3;1];
a=[1,4,2;3,2,0];
b=[8;6];
[x,y]=linprog(c,-a,-b,[],[],zeros(3,1))

结果分析:y为目标函数最优值,x为对应决策变量取值。

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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