模糊数学第六讲2010.4.9.pptVIP

第六讲 模糊线性规划 MATLAB中采用的线性规划模型 MATLAB线性规划求解 [x,fval,exitflag,output,lambda]= linprog(f,A,b,Aeq,beq,lb,ub,x0,options) 输入参数解释： f 目标函数系数构成的行向量； 若目标函数中缺少摸个变量，系数赋值为0 A 约束条件中不等式约束的系数矩阵； b 不等式约束的常数项列向量； 若约束条件中没有不等式约束，则均以[ ]代替 Aeq 约束条件中等式约束系数矩阵； beq 等式约束常数项列向量； 若没有等式约束，均以[ ]代替 lb 变量的下界约束； ub 变量的上界约束； 若某个变量没有下界，则用-inf表示 若某个变量没有上界，则用inf表示 若所有决策变量都没有上下界，则lb， ub均以[ ]表示 X0 线性规划初始可行解；通常可以缺省。 options 一般可以缺省。 返回变量的解释： X 返回的最优解； fval 返回的最有目标函数值； exitflag 表示程序运行情况： 若 0 ，表示程序收敛于最优解 若 =0 ，表示程序达到了最大计算次数 若 0 , 表示该规划无可行解或者程序运 行失败 output 表示程序运行的某些信息，如迭代次数（iterations），所用算法（algorithm），共轭梯度（cgiterations） Lambda 表示解X处的拉格朗日乘子，其中lower，upper，ineqlin，eqlin分别对应于下界，上界，不等式约束和等式约束 对于一般的线性规划，可以这样调用： [x,fval,exitflag]=linprog(f,A,b,Aeq,beq,lb,ub) f =[1,2,3]; A=[-2,1,1;3,-1,-2]; b =[9;-4]; Aeq=[3,-2,-3]; beq =-6; lb =[-inf,0,-inf]; ub =[0,inf,inf]; [x,z,exitflag]= linprog(f,A,b,Aeq,beq,lb,ub) 注意第二个约束条件的系数和常数的变化 模糊线性规划的一般表示 对于等式约束 ，当伸缩率为d的时候，可以表示为如下的不等式约束： 因此模糊线性规划可以表示为如下形式： 模糊约束集 对于每一个约束条件，定义一个隶属函数： 模糊约束集： 其中： 模糊线性规划的求解 第一步：分别求解普通线性规划 其解分别为 ， 表示的是完全接受约束，即 ； 表示的是完全不接受约束，即 。 这两种情形是极端情况，并非我们所愿。我们的目标是适当降低 ，使得最优值有所提高。且介于 和 之间。为此，我们构造模糊目标集合： 其中 ，显然在 时， ，这表明使得目标函数大于 。必须降低 ，为了兼顾模糊约束集和模糊目标集，可以采用模糊判决 ，进而选择 ，使得： 因此该问题归结为求解如下的线性规划： 这样，以上问题的最优解 ，其中 就是原模糊规划的最优解。 若原问题为： 则求解过程如下： 第一步：分别求解普通线性规划 其解分别为 ， 这样，以上问题的最优解 ，其中 就是原模糊规划的最优解。 求解如下模糊线性规划 首先求解不带伸缩指标的线性规划 f1=[-1,4,-6]; Aeq1=[1,-3,-1]; beq1=[-4]; A1=[1,1,1;-1,6,-1]; b1=[8;-6]; lb1=[0,0,0]; ub1=[ ]; [X1,Z1]=linprog(f1,A1,b1,Aeq1,beq1,lb1,ub1) 求解结果为：X1=(2,0,6) Z