mathmatic求解线性规划.pptVIP

Mathematica求解线性规划 1 解线性规划问题 线性规划是运筹学的一个重要分支，应用很广。线性规划问题可以描述为求一组非负变量，这些非负变量在满足一定线性约束的条件下，使一个线性目标函数取得极小（大）值的问题，线性规划的标准形式为： 目标函数 ： min S= c 1x 1 + c 2x 2 + …+ c n x n a11 x 1 + a12 x 2 +….+ a1n x n = b 1 a21 x 1 + a22 x 2 +…. + a2n x n = b2 约束条件： … ……. a m1x 1 + a m2x 2 +….+ a mn x n = b m x 1 ,x 2 ,…, x n ? 0 这里x 1 ,x 2 ,…, x n 是变量， c i, aij ,bi都是已知常数，且bi ? 0，约束条件常用符号:s.t.表示。 线性规划的一般形式为： 目标函数 ： min S= c 1x 1 + c 2x 2 + …+ c n x n a11 x 1 + a12 x 2 +….+ a1n x n ? b 1 a21 x 1 + a22 x 2 +…. + a2n x n ? b2 约束条件： … ……. a m1x 1 + a m2x 2 +….+ a mn x n ? b m 式中符号“?”可以是关系符号：, , =, ?, ? 中的任意一个。 Mathematica解一般线性规划问题的命令形式有: 具体的拟合命令有: 命令形式1：ConstrainedMin [f, {inequalities}, {x1,x2,…}] 功能：求在给定约束条件inequalities下，线性目标函数f极小值和对应的极小点。 命令形式2：ConstrainedMax [f, {inequalities}, {x1,x2,…}] 功能：求在给定约束条件inequalities下，线性目标函数f极大值和对应的极大点。 注意： 命令1结果形式为：{极小值, {自变量1 - 极小值点1，自变量2 - 极小值点2，…}}。 命令2结果形式为：{极大值, {自变量1 - 极大值点1，自变量2 - 极大值点2，…}}。 上面命令中的f为线性规划中的目标函数,它必须是变量x1,x2,…的线性函数。 上面命令中的inequalities为线性规划中的约束不等式组,每个关系式必须用逗号分隔。 上面命令中的x1,x2,…线性规划中的自变量名称,它们必须取非负值且可以用其它符号名。 例: 求线性规划问题 MaxS= 17x 1 -20 x 2 +18 x 3 x 1 - x 2 +x 3 10 s.t. x 1 + x 3 5 x 1 5 解: Mathematica 命令为: In[10]:= ConstrainedMax[17x1-20x2+18x3, {x1-x2+x310,x15,x1+x320}, {x1, x2, x3}] Out[10]= {160, {x1 - 0, x2 - 10, x3 - 20}} 计算结果可得所求目标函数极大值为160，对应的极大值点为（0，10，20）。 例: 求线性规划问题 Min m= 13x -y +5z x +y =7, s.t. y + z 10, x2, y0,z0 解: Mathematica 命令为: In[11]:= ConstrainedMin[13x-y+5z, {x+y=7, y+z10, x2, y0, z0}, {x,y,z}] Out[11]= {16, {x - 2, y - 10, z - 0}} 计算结果可得所求目标函数极小值为16，对应的极小值点为（0，10，0）。 例: 现有三种食品A1,A2,A3,各含有两种营养成分B1,B2, 每单位食物Ai含有Bj