最优化优化工具箱.docVIP

MATLAB优化工具箱 1、线性规划 1.1一般线性规划(linprog) 1.1.1 数学模型 其中,,,,和为向量,和为矩阵. 1.1.2 相关语法 x=linprog(f,A,b) x=linprog(f,A,b,Aeq,beq) x=linprog(f,A,b,Aeq,beq,lb,ub) x=linprog(f,A,b,Aeq,beq,lb,ub,x0) x=linprog(f,A,b,Aeq,beq,lb,ub,x0,options) [x,fval]=linprog(…) [x,fval,exitflag]=linprog(…) [x,fval,exitflag,output]=linprog(…) [x,fval,exitflag,output,lambda]=linprog(…) 1.1.3 实例分析 例1、求解如下线性规划模型 代码： f=[-2;-3;-1]; A=[1 2 2;1 4 7]; b=[4;9]; lb=[0;0;0]; [x,fval]=linprog(f,A,b,[],[],lb) Optimization terminated. x = 4.0000 0.0000 0.0000 fval = -8.0000 即原问题的最优解为,最优值为8. 例2、求解如下线性规划模型 代码： f=[5;0;21]; A=[-1 1 -6;-1 -1 -2]; b=[-2;-1]; lb=[0;0;0]; [x,fval]=linprog(f,[],[],A,b,lb) Optimization terminated. x = 0.5000 0.0000 0.2500 fval = 7.7500 即原问题的最优解为，最大值为-7.75. 0-1线性规划(bintprog) 1.2.1 数学模型 其中,,,,和为向量,和为矩阵. 1.2.2 相关语法 x=bintprog(f,A,b) x=bintprog(f,A,b,Aeq,beq) x=bintprog(f,A,b,Aeq,beq,lb,ub) x=bintprog(f,A,b,Aeq,beq,lb,ub,x0) x=bintprog(f,A,b,Aeq,beq,lb,ub,x0,options) [x,fval]=bintprog(…) [x,fval,exitflag]=bintprog(…) [x,fval,exitflag,output]=bintprog(…) 1.2.3 实例分析 代码：f=[-193;-191;-187;-186;-180;-185]; A=[0 0 0 0 -1 -1;0 -1 0 0 -1 0;1 1 0 0 0 0;0 1 0 0 0 1;0 0 0 1 0 1]; b=[-1;-1;1;1;1]; Aeq=[1 1 1 1 1 1]; beq=[3]; x=bintprog(f,A,b,Aeq,beq) Optimization terminated. x = 1 0 1 0 1 0 即原问题的最优解为,z=560. 整数线性规划(intprog) 1.3.1 数学模型 其中,,,,和为向量,和为矩阵. 1.3.2 相关语法 function [x,fval,status] = intprog(f,A,B,I,Aeq,Beq,lb,ub,e) %整数规划求解函数 intprog() % 其中 f为目标函数向量 % A和B为不等式约束 Aeq与Beq为等式约束 % I为整数约束 % lb与ub分别为变量下界与上界 % x为最优解，fval为最优值 %例子: % maximize 20 x1 + 10 x2 % S.T. % 5 x1 + 4 x2 =24 % 2 x1 + 5 x2 =13 % x1, x2 =0 % x1, x2是整数 % f=[-20, -10]; % A=[ 5 4; 2 5]; % B=[24; 13]; % lb=[0 0]; % ub=[inf inf]; % I=[1,2]; % e=0.000001; % [x v s]= IP(f,A,B,I,[],[],lb,ub,,e) % x = 4 1 v = -90.0000 s = 1 % 控