• 线性规划
  1. 线性规划函数
  2. 功能:求解线性规划问题
  3. 语法
    • x = linprog(f,A,b):求解问题 min fx,约束条件为 Ax <= b
    • x = linprog(f,A,b,Aeq,beq):求解上面的问题,但增加等式约束,即 Aeqx = beq,若没有不等式存在,则令 A= []、b = []
    • x = linprog(f,A,b,Aeq,beq,lb,ub):定义设计变量 x 的下届 lb 和 上届 ub,使得 x 始终在该范围内,若没有等式约束,令 Aeq = []、beq = []
    • x = linprog(f,A,b,Aeq,beq,lb,ub,x0):设置初值为 x0。该选项只适用于中型问题,默认大型算法将忽略初值
    • x = linprog(f,A,b,Aeq,beq,lb,ub,x0,options):用 options 指定的优化参数进行最小化
    • [x,fval] = linprog(...):返回解 x 处的目标函数值 fval
    • [x,lambda,exitflag] = linprog(...):返回 exitflag 值,描述函数计算的退出条件
    • [x,lambda,exitflag,output] = linprog(...):返回包含优化信息的输出变量 output
    • [x,fval,lambda,exitflag,output] = linprog(...):将解 x 处的拉格朗日乘子返回到 lambda 参数中
  4. 变量及算法:lambda 参数介绍
    • lambda 是解 x 处的拉格朗日乘子,它的属性如下
    • lambda.lower:lambda 的下届
    • lambda.upper:lambda 的上届
    • lambda.ineqlin:lambda 的线性不等式
    • lambda.eqlin:lambda 的线性等式
    • 大型优化算法:采用 LIPSOL 法,该法在进行迭代计算之前首先要进行一系列的预处理
    • 中型优化算法:linprog 函数使用的是投影法,就像 quadprog 函数的算法一样,linprog 函数使用的是一种活动集方法,是线性规划中单纯形法的变种,他通过求解另一个线性规划问题来找到初始可行解
  • 线性规划问题的应用
  1. 生产决策问题

    • 某厂生产甲、乙两种产品,已知制成一吨产品甲需用资源A 3 吨,资源B 4 $m^3$,制成每吨产品乙需用资源A 2 吨,资源B 6 $m^3$,资源C 7 个单位。若每吨产品甲和乙的经济价值分别为 7 万元和 5 万元,3 种资源的限制量分别为 80 吨、220 $m^3$ 和 230 个单位,试分析应生产这两种产品各多少吨才能使创造的总经济价值最高?
    • 这里可以令生产产品甲的数量为 $x_1$,生产产品乙的数量为 $x_2$。根据题意,代码设置如下:
      clc
      clear
      f = [-7;-5];
      A = [3 2
      4 6
      0 7];
      b = [80;220;230];
      lb = zeros(2,1);

      然后调用 linprog 函数:

      [x,fval,exitflag,output,lambda] = linprog(f,A,b,[],[],lb)

      最优化结果如下:

    • 由上可知,生产甲种产品 4.7619 吨、乙种产品 32.8571 吨可使创造的总经济价值最高,最高经济价值为 197.6190 万元。exitflag = 1 表示过程正常收敛于解 x 处。

2.工作人员计划安排问题

    • 某昼夜服务的公共交通系统每天各时间段(每 4 小时为一个时间段)所需的值班人数如表所示,这些值班人员在某一时段开始上班后要连续工作 8 小时(包括轮流用餐时间),请问该公共交通系统至少需要多少名工作人员才能满足值班的需要?

    • 这里可设 $x_i$ 为第 i 个时段开始上班的人员数

      clc
      clear
      f = [;;;;;];
      A = [- -
      - -
      - -
      - -
      - -
      - -];
      b = [-;-;-;-;-;-];
      lb = zeros(,);
    • 然后调用 linprog 函数
      [x,fval,exitflag,output,lambda] = linprog(f,A,b,[],[],lb)
    • 最优化结果如下:

      可见只要 6 个时段分别安排 26 人、25 人、45 人、26 人、14 人和 24 人就可以满足值班的需要,共计 160 人,并且计算结果 exitflag = 1 是收敛的

3. 投资问题

    • 某单位有一批资金用于 4 个工程项目的投资,用于各工程项目时所得的净收益(投入资金的百分比)如表所示

    • 由于某种原因,决定用于项目 A 的投资不大于其他各投资之和,而用于项目 B 和 C 的投资要大于项目 D 的投资,试确定使该单位收益最大的投资分配方案。
    • 这里可以用 $x_1、x_2、x_3 和 x_4$ 分别代表用于项目 A、B、C 和 D 的投资百分数,由于各项目的投资百分数之和必须等于 100%,所以 $x_1+x_2+x_3+x_4 = 1$,代码设置如下:
      f = [-0.18;-0.1;-0.09;-0.12];
      A = [ - - -
      - - ];
      b = [;];
      Aeq = [ ];
      beq = [];
      lb = zeros(,);
    • 调用函数:
      [x,fval,exitflag,output,lambda] = linprog(f,A,b,Aeq,beq,lb)
    • 结果如下:

说明 A、B、C、D 投入资金的百分比分别为 50%、25%、0%、25% 时,该单位收益最大

4. 工件加工任务分配问题

    • 某车间有两台机床甲和乙,可用于加工 3 种工件。假定这两台机床的可用台时数分别为 600 和 900,3 种工件的数量分别为 400、600 和 500,且已知用两台不同机床加工单位数量的不同工件所需的台时数和加工费用(如表所示),问怎样分配机床的加工任务,才能既满足加工工件的需求,又使总加工费用最低?

    • 这里可设在甲机床上加工工件1、2 和 3 的数量分别为 $x_1、x_2、x_3$,在乙机床上加工工件1、2 和 3 的数量分别为 $x_4、x_5、x_6$,根据 3 种工种的数量限制,则有:$x_1+x_4 = 400(对工件 1) ,x_2+x_5 = 600(对工件 2),x_3+x_6=500(对工件 3)$,根据题意:

      clc
      clear
      f = [;;;;;];
      A = [0.6 1.2 1.1
      0.4 1.2 1.0];
      b = [;];
      Aeq = [ ];
      beq = [ ];
      lb = zeros(,);

      然后调用 linprog 函数:

      [x,fval,exitflag,output,lambda] = linprog(f,A,b,Aeq,beq,lb)

      结果如下:

在甲机床上加工 500 个工件 2,在乙机床上加工 400 个工件 1、加工 100 个工件 2、加工 500 个工件 3,可在满足条件的情况下使总加工费用最小,最小费用为 14100 元。

5. 厂址选择问题

    • A、B、C 三地,每地都出产一定数量的产品,也消耗一定数量的原料(如表所示),已知制成每吨产品需 3 吨原料,各地之间的距离为:A-B,150km;A-C,100km,B-C,200km。假定每万吨原料运输 1lm 的运价是 5000 元,每万吨产品运输 1lm 的运价是 6000 元。由于地区条件的差异,在不同地点设厂的生产费用也不同。问究竟在哪些地方设厂,规模多大,才能使总费用最小?另外,由于其他条件限制,在 B 处建厂的规模(生产的产品数量)不能超过 6 万吨

    • 这里可令 $x_{ij}$ 为由 i 地运到 j 地的原料数量(万吨),$y_{ij}$ 为由 i 地运往 j 地的产品数量(万吨),i,j = 1,2,3(分别对应A、B、C三地),根据题意:

      clc
      clear
      f = [;;;;;;;;;;;];
      A = [ - -
      - -
      - -
      ];
      b = [;;;];
      Aeq = [
      ];
      beq = [;];
      lb = zeros(,);
      [x,fval,exitflag,output,lambda] = linprog(f,A,b,Aeq,beq,lb);

      可见要使总费用最小,A、B、C 三地的建厂规模分别为 6 万吨、5.667 万吨和 6.333 万吨,最小总费用为 2.9733e+03 万元

6. 确定职工编制问题

    • 某工厂每日 8小时的产量不低于 1800 件。为了进行质量控制,计划聘请两个不同水平的检验员。一级检验员的速度为 25件/小时,正确率 98%,计时工资 4元/小时,二级检验员的速度为 15件/小时,正确率 95%,计时工资 3元/小时,检验员每错一次,工厂要损失 2 元。现有可供厂方聘请的检验员人数为一级 7人和二级 8人。为使总检验费用最省,该工厂应聘请一级、二级检验员各多少名?
    • 可设需要一级和二级检验员的人数分别为 $x_1$ 和 $x_2$ 名,根据题意:
      clc
      clear
      f = [;];
      A = [ -5 -];
      b = [;;-];
      lb = zeros(,);
      [x,fval,exitflag,output,lambda] = linprog(f,A,b,[],[],lb);

可见,招聘一级检验员 7名,二级检验员 3名可使总检验费用最少,约为400.00元

7. 生产计划的最优化问题

    • 某工厂生产 A 和 B 两种产品,它们需要经过 3 种设备的加工,其加工如表所示,设备一、二和三每天可使用的时间分别不超过 11、9 和 12小时。产品 A 和 B 的利润随市场的需求有所波动,如果预测未来某个时期内 A 和 B 的利润分别为 5000元/吨和 3000元/吨,问在那个时期内,每天应生产A、B各多少吨,才能使工厂获利最大?

    • 这里可设每天应安排生产 A 和 B 分别为 $x_1$ 和 $x_2$ 吨,根据题意:

      clc
      clear
      f = [-;-];
      A = [ ];
      b = [;;];
      lb = zeros(,);
      [x,fval,exitflag,output,lambda] = linprog(f,A,b,[],[],lb)

      每天生产 A 产品 1.80吨、B产品 0 吨可使工厂获得最大利益 9000元/吨。

    

MATLAB 线性规划实例应用的更多相关文章

  1. PID各环节的意义和功能,自带PID的matlab编程实例

    这是PID的标准形式包括比例/积分/微分三部分,e为偏差 下面我们分析三个环节的作用,设:当前系统状态A,目标状态B, e=B-A,初始状态e>0 (以下是个人的理解,欢迎读者评论) 1 比例环 ...

  2. Matlab 绘图实例

    概要   每次用 Matlab 绘图都要搜一堆资料设置一些参数,本次将绘图中的一些参数设置实例展示在这里,以备不时之需.暂包括折线图,面积图.   折线图实例   下图是效果图: 图 1:折线图效果图 ...

  3. Matlab线性规划

    线性规划   线性规划的标准形式 \[\underset{x}{min}{\ c^Tx}\ s.t.\ Ax \leqslant b\]   例如,线性规划为: \[ \underset{x}{min ...

  4. Matlab 线性规划问题模型代码

    线性规划问题的基本内容 线性规划解决的是自变量在一定的线性约束条件下,使得线性目标函数求得最大值或者最小值的问题. \[ \min z=\sum_{j=1}^{n} f_{j} x_{j} \] \[ ...

  5. matlab——线性规划

    @ 目录 前言 一.基本概念 二.matlab实现 1.常用函数 2.常见变形 参考书目 前言 线性规划是数学规划中的一个重要分支,常用于解决如何利用现有资源来安排生产,以取得最大经济效益的问题.本文 ...

  6. [zz]求一维序列的信息熵(香浓熵)的matlab程序实例

    对于一个二维信号,比如灰度图像,灰度值的范围是0-255,因此只要根据像素灰度值(0-255)出现的概率,就可以计算出信息熵.    但是,对于一个一维信号,比如说心电信号,数据值的范围并不是确定的, ...

  7. Matlab编程实例(1) 移动平均

    MATLAB数字信号处理作业,把自己写的程序发上来..欢迎交流~ QQ 五幺九七九零六四   首先是任意点移动平均: 主程序:mov_average_main.m (运行) 函数:mov_averag ...

  8. Python学习笔记-PuLP库(3)线性规划实例

    本节以一个实际数学建模案例,讲解 PuLP 求解线性规划问题的建模与编程. 1.问题描述 某厂生产甲乙两种饮料,每百箱甲饮料需用原料6千克.工人10名,获利10万元:每百箱乙饮料需用原料5千克.工人2 ...

  9. Matlab编程实例(4) 相位角与相关系数曲线

    %相位角与相关系数曲线 close all; clear all; Samp1=200;  %设置信号的采样精度 Samp2=200;  %设置相位角p分割精度 A=10;%信号幅值 w=1;%信号角 ...

随机推荐

  1. P2801 教主的魔法 (线段树)

    题目 P2801 教主的魔法 解析 成天做水题 线段树,第一问区间加很简单 第二问可以维护一个区间最大值和一个区间最小值,若C小于等于区间最小值,就加上区间长度,若C大于区间最大值,就加0 ps:求教 ...

  2. git reset --hard HEAD^后显示more?的原因及如何解决

    在windows的cmd控制台下操作git,想要回滚到上一次提交,但是输入git reset --hard HEAD^后就显示more? fatal: ambiguous argument 'HEAD ...

  3. SpringBoot启动原理详解

    SpringBoot和Spring相比,有着不少优势,比如自动配置,jar直接运行等等.那么SpringBoot到底是怎么启动的呢? 下面是SpringBoot启动的入口: @SpringBootAp ...

  4. 五 查询数据SELECT   一、单表查询

    一 单表查询的语法 二 关键字的执行优先级 三 简单查询 四 WHERE约束 五 分组查询:GROUP BY 六 HAVING过滤 七 查询排序:ORDER BY 八 限制查询的记录数:LIMIT 九 ...

  5. 十大Intellij IDEA快捷键(附IDEA快捷键详细列表及使用技巧)

    十大Intellij IDEA快捷键(附IDEA快捷键详细列表及使用技巧) Intellij IDEA中有很多快捷键让人爱不释手,stackoverflow上也有一些有趣的讨论.每个人都有自己的最爱, ...

  6. JavaScript原型链以及Object,Function之间的关系

    JavaScript里任何东西都是对象,任何一个对象内部都有另一个对象叫__proto__,即原型,它可以包含任何东西让对象继承.当然__proto__本身也是一个对象,它自己也有自己的__proto ...

  7. Android为TV端助力之反射基本知识

  8. 深入理解JVM-hotspot虚拟机对象探秘

    1.背景与大纲 在我们了解了java虚拟机的运行时数据区后,我们大概知道了虚拟机内存的概况,但是我们还是不清楚具体怎么存放的访问的: 接下来,我们将深入探讨HotSport虚拟机在java堆中对象的分 ...

  9. es截取指定的字段返回

    SearchResponse response = client.prepareSearch(index_name).setTypes("lw_devices") .setFrom ...

  10. CentOS Linux更改MySQL数据库目录位置

    引言: 由于MySQL的数据库太大,默认安装的/var盘已经再也无法容纳新增加的数据,没有办法,只能想办法转移数据的目录. 下面我整理一下把MySQL从/var/lib/mysql目录下面转移到/ho ...