@项目三多元函数微积分实验5线性规划问题(综合实验).docVIP

项目三 多元函数微积分 实验5 线性规划问题（综合实验） 实验目的 通过建立投资收益和风险问题的线性规划模型, 掌握利用线性规划理论建立实际问题的数学模型的思想和方法. 掌握用Mathematica求解线性规划问题的基本方法. 基本命令 1.约束最大与约束最小命令 求解线性规划问题的命令为ConstrainedMax与ConstrainedMin. 其的基本格式是: ConstrainedMax[f,{inequalities},{x,y,…}] 在不等式或等式{inequalities}确定的可行区域上求线性目标函数f的最大值, 约定变量{x,y,…}都大于或等于0; ConstrainedMin{f,{inequalities},{x,y,…}} 在不等式或等式{inequalities}确定的可行区域上求线性目标函数f的最小值, 约定变量{x,y,…}都大于或等于0. 注：上面两个命令都有一个可选参数: Tolerance 允许误差 (默认值是). 例如, 输入 ConstrainedMin[1.5 x+2.5 y,{x+3 y=3,x+y=2},{x,y}] 则输出 {3.5,{x-1.5,y-0.5}} 即当时, 函数取得最小值3.5. 在约束条件中可以使用等号, 但要用“= =”表示. 例如,输入 ConstrainedMax[5 x+3 y+2 z+4 t,{3 x+y+2 z+8 t==10, 2 x+4 y+2 z+t==10},{x,y,z,t}] 则输出 {18,{x-3,y-1,z-0,t-0}} 有时, 输出结果可能有些问题. 输入 ConstrainedMax[3x+2y-1,{x1,y2},{x,y}] 则输出 {6,{x-1,y-2}} 即当时, 函数取最大值6. 注: 约束条件使用严格不等号, 结果仍旧取在边界上. 输入 ConstrainedMax[x+y,{x+y=15},{x,y}] 则输出 {15,{x-15,y-10}} 这个问题有无穷多最优解, 这里只给出其中之一, 而且没有给出任何提示信息. 前面的例题总是给出一个最优解, 属于正常情况.下面的例子是非正常的情况. 例如, 输入 ConstrainedMax[x+y,{x-y=0,3x-y=-3},{x,y}] 则在输入行的下面给出提示 ConstrainedMax::nsat:The specified constraints cannot be satisfied. 并输出 ConstrainedMax[x+y,{x-y=0,3x-y=-3},{x,y}] 其含义是: 没有可行解, 因此没有最优解. 然后返回投资的收益和风险问题. 输入 ConstrainedMax[2x+y,{x-y=-1,-0.5x+y=2},{x,y}] 在输入行的下面给出提示 ConstrainedMax::nbddt:Specified domain appears unbounded,with tolerance1.’*^-6. 并输出 {,{x-Indeterminate,y-Indeterminate}} 其含义是: 可行区域无界, 问题没有最大值, 或说最大值是无穷大. 然后返回投资的收益和风险问题. 2.线性规划命令LinearProgramming 当自变量和约束不等式较多时, 用ConstrainedMax或ConstrainedMin求解就比较麻烦. 此时, 可将目标函数和约束条件用向量或矩阵表示, 然后使用LinearProgramming. 其基本格式为 LinearProgramming[c,m,b] 其中c是行向量, b是列向量, m是矩阵, 自变量用x表示, 使用该命令, 则在满足不等式且的可行区域中, 求出函数cx的最小值点x. 注: 实际输入时, b仍以行向量表示. 此外, 这个命令也有可选参数Tolerance, 其含义与前面的说明相同. 例如, 用约束最小命令计算, 输入 ConstrainedMin[2x-3y,{x+y10,x-y2,x1},{x,y}] 则输出 {0,{x-6,y-4}} 改为用线性规划命令计算, 输入 LinearProgramming[{2,-3},{{-1,-1},{1,-1},{1,0}},{-10,2,1}] 则输出 {6,4} 两者结果一样, 但表示的方法不同. 注: 当有无穷多组解时, 线性规划命令仍不会给出提示信息. 应用举例 1.投资的收益和风险 例1 （1998年全国大学生数学建模竞赛的A题） 市场上有n种资产(如股票、债券、…)供投资者选择, 某公司有数额为M的一笔相当大的资金可用作一个时期的投资.公司财务分析人员对这n种资产进行了评估