美赛BOOM数学建模1-1线性规划

鸥小羊

已于 2023-01-14 19:52:26 修改

阅读量574

点赞数 3

分类专栏：数学建模文章标签：经验分享 Powered by 金山文档

于 2023-01-12 09:20:13 首次发布

本文链接：https://blog.csdn.net/yangxo2002/article/details/128647137

版权

数学建模专栏收录该内容

14 篇文章 11 订阅

订阅专栏

注明：本文根据数学建模BOOM网课简单整理，自用

模型简介：

优化类问题：有限的资源，最大的收益

简单例子：

•华强去水果摊找茬，水果摊上共3个瓜，华强总共有40点体力值

• 每劈一个瓜能带来40点挑衅值

• 每挑一个瓜问“你这瓜保熟吗”能带来30点挑衅值

• 劈瓜消耗20点体力值，问话消耗10点体力值

• 问如何利用这些瓜，使挑衅值最大？

注意事项：比赛时，读不懂题是很正常的

• 去百度搜，去查文献，尽快了解问题背景

• 遇到大量陌生专有名词就尽量别选，例如国赛A题

数学建模的过程，就是把题目翻译成数学语言

线性模型规划三要素：决策变量，目标函数，约束函数

线性规划模型：

• 要解决的问题是优化类问题（有限的资源，最大的收益）

• 所有变量的关系式都是线性的，不存在sinx等

• 线性规划模型：在一组线性约束条件下，求线性目标函数的最大值或最小值

适用赛题：

❑ 题目中提到“XXX有多少多少”“怎样安排/分配” “最多(少)”“利润最大” 等词；

❑ 生产安排：原材料、设备有限制，总利润最大

❑ 投资收益：涉及资产配置、收益率、损失率、组合投资，总收益最大

• 若总资金为M，有n种资产可以配置

• 每种资产的平均收益率…，风险损失率…，手续费…；问题：设计组合投资方案，使得收益尽可能大，

总体风险尽可能小（本质是多目标规划，可化简为一个目标的线性规划）

• 收益率= 收益/成本，设收益率为r，收益为g，成本为c

• 如果要求“总收益最大”，一般可以用线性规划

• 如果要求“总收益率最大”，一般是非线性规划（不绝对），由公式得会出现分数

❑ 销售运输：产地、销地、产量、销量、运费，总运费最省

❑ 车辆安排：路线、起点终点、承载量、时间点、车次安排最合理

典型例题与原理讲解：

❑投资收益问题

• 问题：给该公司设计一种投资组合方案，用给定的资金M，有选择地购买若干种资产或存银行生息，使净收益尽可能大，总体风险尽可能小。

❑ 问题分析

• 有目标函数（净收益尽可能大、总风险尽可能小）

• 有约束条件（总资金有限，和隐含数学条件：每一笔投资都是非负数）

❑ 基本假设：假设每一笔交易额xi都大于对应的定额ui

❑ 模型的建立（多目标线性规划模型）

❑ 模型的简化

• 现实中，不同人所能承受的风险不同

• 设某一类投资者，能接受的最大投资风险率为定值

• 只要风险率小于等于该定值，可视为对该类投资者满足“总风险尽可能小”

• 即风险率（风险率=投资额*损失率/总资产）满足：

• 分情况讨论：设低风险投资者能接受的=5%，中风险投资者能接受的=15%，等等

• 转化为了约束条件：

（总体风险小于某个常数即可）

❑ 模型改进：在求解时，对不同a取值分别进行求解（该操作实现了把a作为了“变量”）

代码求解：

调用matlab自带的linprog函数

(等号左边的x返回最优解的变量取值，fval返回目标函数的最优值)

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

• 注意：要调用linprog函数，填入的变量必须取自matlab标准型的形式

• matlab标准型：模型的目标函数是求最小值、约束条件都是小于等于号或等号

• 运筹学中求解优化类问题有很多方法，做数模则不需要掌握，模型建好后能求解就行

matlab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
    Q(i) = -y; % 负负得正，就是所需求的最大值了
    XX = [XX;x'];
    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
    xlabel('风险率'); % x和y轴分别附上标签
    ylabel('最大收益');