数学实验报告——利用MALTAB进行线性规划.docxVIP

实验六 线性规划一、债券投资㈠问题描述给定可供购进的证券以及其信用等级、到期年限、收益。市政证券的收益可以免税，其他证券的收益需按50%的税率纳税。此外还有以下限制：(1) 政府及代办机构的证券总共至少要购进400万元；(2) 所购证券的平均信用等级不超过1.4；(3) 所购证券的平均到期年限不超过5年。1、若经理有1000万元资金，应如何进行投资？2、如果能以2.75%的利率借到不超过100万元资金，该经理应如何操作？3、在1000万元资金情况下，若证券A的税前收益增加为4.5%，投资应够改变？若证券C的税前收益减少为4.8%，投资应否改变？㈡简要分析本题是一个比较简单的线性规划+扰动分析问题，对所谓问题进行建模，可以得到线性规划如下：设分别购入A、B、C、D、E五种证券a、b、c、d、e万元。于是对第1问有对第2问，增设a1,b1,c1,d1,e1分别表示用借来的资金购买证券的金额，于是规划变为对第三问，仅需将第一问中的规划做一点修改即可。㈢方法与公式线性规划方法：(1)内点算法opt1=optimset(’largescale’,’on’);[x,f,exitflag,output,lag]= linprog(c,A,b,[],[],[],[],[],opt1);(2)有效集方法opt2=optimset(’largescale’,’off’);[x,f,exitflag,output,lag]= linprog(c,A,b,[],[],[],[],[],opt2);(3)单纯形算法 opt3=optimset(’largescale’,’off’,’simplex’,’on’);[x,f,exitflag,output,lag]= linprog(c,A,b,[],[],[],[],[],opt3);㈣结果与分析1、第一问：　最优解最优目标值平均迭代次数平均使用时间内点218.1818188.45E-09736.3636362.29E-0845.4545455-29.8363636352 60效集218.181818-8.81E-16736.363636045.4545455-29.8363636364 50.004822365单纯形218.1818180736.363636045.4545455-29.8363636364 40.009097038使用三种方法进行计算，得到结果对比如下：结果为：应购买A种证券218.18万元、B种证券0元、C种证券736.36万元、D种证券0元、E种证券45.45万元；最终得到的收益约为29.8364万元。通过对比可以发现以下几点结论：(1)三种算法所得的计算结果基本一致，各种算法计算得到的目标值仅在小数点后第10位才有所区别；(2)三种算法得到的最优解略有区别，其中内点算法没有得出第2、4项为0的结论（虽然已很接近），这也许只是因为计算精度的问题，但也有可能是算法本身的原因；(3)迭代次数上，内点算法。但是值得注意的是，这里的问题仅仅是一个n=5的小规模规划的例子，不能以此得出“大规模算法比中、小规模算法需要更多次迭代“的结论；(4)使用时间上，这里对三种算法分别进行了100次调用，计算得到平均使用时间。从表格可以看出使用时间上内点算法。当然，这个结论在未进行进一步的实验前也不能推广2、第二问继续采用三种算法，计算结果如下：　最优解内点229.11.74E-07739.39968.11E-0631.52 1.09E+011.73E-077.06E+015.39E-0618.478886有效集240-5.32E1.36E-14-6.71E-161000-8.52E-15单纯形24007100500010000将所得的最优解根据债券类型进行合并，即计算a+a1,b+b1,c+c1,d+d1,e+e1，记录如下：　最优解最优目标值平均迭代次数平均使用时间内点240.00 0.00 810.00 0.00 50.00 -30.0699999606 70.011674有效集240.00 0.00 810.00 0.00 50.00 -30.0700000000 100.008759单纯形240.00 0.00 810.00 0.00 50.00 -30.0700000000 50.010294结果为：应购买A种证券240万元、B种证券0元、C种证券810万元、D种证券0元、E种证券50万元；最终得到的收益约为30.07万元。观察表格可以发现一个有意思的现象，即通过内点算法计算得到的结果与使用有效集或单纯形算法得到的结果，虽然最终结论一样，但是在如何分配使用已有资金和贷款资金上并不相同。产生这种现象是因为该线性规划存在不止一个最优解，即目标函数的最大值对