最优化实例和matlab源程序.docVIP

最优化平时作业 一、目标规划 1、题目：见书中例题P110例4 2、解题方法：利用Lingo求解 3、具体步骤 （1）.对应于第一优先等级，建立线性规划问题： model: min=-d1; 5*x1+10*x2=60; x1-2*x2+d1_-d1=0; end 运行结果： -d1=0 （2）对应于第二优先等级，将-d1=0作为约束条件，建立线性规划问题： min=d2_; 5*x1+10*x2=60; x1-2*x2+d1_-d1=0; 4*x1+4*x2+d2_-d2=36; -d1=0; end 运行结果：d2=0; （3）.对应于第三优先等级，将-d1=0, -d1=0作为约束条件，建立线性规划问题： min=d3_; 5*x1+10*x2=60; x1-2*x2+d1_-d1=0; 4*x1+4*x2+d2_-d2=36; 6x1+8*x2+d3_-d3=48; -d1=0; d2=0; end 运行结果： d3=0; X1 4.800000 X2 2.400000 二、动态规划之0-1背包问题 1、题目：给定n种物品和一背包。物品i的重量是Wi，其价值为Vi，背包的容量是c，问应如何选择装入背包中的物品，使得装入背包中物品的总价值最大。 2、解题方法与思路：利用java求解，.思想方法是回溯思想 3、需求分析 对于给定n种物品和一背包。在容量最大值固定的情况下，要求装入的物品价值最大化 4、java源程序及运行结果 BackTrace.java * To change this template, choose Tools | Template Manager * and open the template in the editor. */ package sunfa; import java.util.Date; public class BackTrace { /** * @param args */ public static void main(String[] args) { double w[]={2,2,6,5,4}; double v[]={6,3,5,4,6}; int n=5; double c=10; knapsack(v,w,c); System.out.println(bestp); } //比较两个元素大小的类 private static class Element implements Comparable{ int id; double d; private Element(int idd,double dd){ id=idd; d=dd; } public int compareTo(Object x){ double xd=((Element)x).d; if(dxd)return -1; if(d==xd)return 0; return 1; } public boolean equals(Object x){ return d==((Element)x).d; } } static double c; //背包容量 static int n;//物品数 static double[]w;//物品重量数组 static double[]p; //物品价值数组 static double cw;//当前重量 static double cp;//当前价值 static double bestp; //当前最优值 static int [] x;//解 static int [] sortX;//排好序之后的解 static int [] bestX;//最有解 static Date date = null; // @jve:decl-index=0: public static double knapsack(double[]pp,double[]ww,double cc){ c=cc; n=pp.length-1; cw=0.0; cp=0.0; bestp=0.0; Element[]q=new Element[n]; //q为单位重量价值数组 for(int i=1;i=n;i++) q[i-1]=new Element(i,pp[i]/ww[i]);