模块1：线性规划模型.docVIP

线性规划的基本算法：单纯形法 1：引入松弛变量,将不等式化为等式（单纯形标准形） 引入松弛变量，将不等式化为等式 最优解的存在性定理 定理1 如果线性规划(1)有可行解，那么一定有基可行解. 定理2 如果线性规划(1)有最优解，那么一定存在一个基可行解是最优解. 2：解 在甲车床上加工工件1的数量为,加工工件2的数量为,加工工件3的数量为, 在乙车床上加工工件1的数量为，加工工件2的数量为,加工工件3的数量为。 建立如下方程组为： 约束条件为： 编写代码求解得： c=[13 9 10 11 12 8]; A=[0.4 1.1 1.0 0 0 0; 0 0 0 0.5 1.2 1.3]; b=[800;900]; Aeq=[1 0 0 1 0 0; 0 1 0 0 1 0; 0 0 1 0 0 1]; beq=[400 600 500]; vlb=zeros(6,1); vub=[]; [x,fval]=linprog(c,A,b,Aeq,beq,vlb,vub) 结果： ‘x1 =0.0000 ‘x2 =600.0000 ‘x3=0.0000 ‘x4 =400.0000 ‘x5=0.0000 ‘x6= 500.0000 fval =1.3800e+004 即在甲机床上加工工件2的数量为600个，在乙机床上加工工件1的数量为400个，加工工件3的数量为500个可在满足条件的情况下，使得加工费用最少为13800； Lingo求解： model: title:生产计划; min=13*x1+9*x2+10*x3+11*x4+12*x5+8*x6; x1+x4=400; x2+x5=600; x3+x6=500; 0.4*x1+1.1*x2+x3800; 0.5*x4+1.2*x5+1.3*x6900; end 求秩函数 rank() linprog函数 inprog(c,A,b,Aeq,beq,vlb,vub); ‘c:最值系数，前面加‘-’号 A：不等式系数 ‘b:不等式右边的数 在没有限制的条件下，通常： Aeq=[] beq=[] vlb=[0;0;0;0;0;0] vub=[] 线性规划经典例题 例2：求最小值 等价于： 编写代码求解得： c=[6 3 4]; A=[-1 0 0;0 1 0;0 0 -1]; b=[-30;50;-20]; Aeq=[1 1 1]; beq=[120]; vlb=zeros(3,1); vub=[]; [x fval]=linprog(c,A,b,Aeq,beq,vlb,vub) Lingo求解： model: title:求解最小值; min=6*x1+3*x2+4*x3; x1+x2+x3=120; x130; x250; x320; End 结果： 用Matlab求解得：求最大值 c=[-0.4 -0.28 -0.32 -0.72 -0.64 -0.6]; A=[0.01 0.01 0.01 0.03 0.03 0.03;0.02 0 0 0.05 0 0;0 0.02 0 0 0.05 0;0 0 0.03 0 0 0.08]; b=[850;700;100;900]; Aeq=[]; beq=[]; vlb=zeros(6,1); vub=[]; [x,fval]=linprog(c,A,b,Aeq,beq,vlb,vub) 英语学习： ‘experiment 实验,尝试 ‘iks/be/ri/ment ‘mathematics 数学 ’ma/si(西)/ma/tiks ‘optimization 最佳化，最优化 ‘aop/ti/mai/zei/shen ‘terminate 结束，使终结 ‘ter/mi/neit ‘feasible 可行的，可用的 ‘fi/zer/bl ‘variable 变化的，可变的 ‘vai/ri/bl ‘slack 松弛的，懈怠 ‘s/lai/k ‘surplus 过剩的，剩余额 ‘s/er/pler/s ‘iteration 反复，重述 ‘i/ter/rei/shen 1