伪线性规划以及MATLAB与lingo求解.docxVIP

几类可以神奇转化为线性规划的问题matlab求解??? 有些有约束的“伪线性规划”问题可以巧妙转化成线性规划的问题得以求解。实在太巧秒了。1.第一类问题（含绝对值的“伪线性规划”问题）：则上面的优化问题转化为：程序：c=[1,2,3,4,1,2,3,4];Aeq=[1,-1,-1,1,-1,1,1,-1;1,-1,1,-3,-1,1,-1,3;1,-1,-2,3,-1,1,2,-3];beq=[0;1;-1/2];lb=zeros(8,1);uv0=ones(8,1);options = optimset(LargeScale, off, Simplex, on,Diagnostics,on,MaxIter,1000);[uv,fval,exitflag,output,lambda]=linprog(c,[],[],Aeq,beq,lb,[],uv0,options)解得u1,u2,u3,u4,v1,v2,v3,v4分别为：1/4,0,0,0,0,0,0,1/4,即 x1,x2,x3,x4的值分别为：1/4,0,0,-1/4时，最小者为1.25用Lingo验证结果：model:min=@abs(x1)+2*@abs(x2)+3*@abs(x3)+4*@abs(x4);x1-x2-x3+x4=0;x1-x2+x3-3*x4=1;x1-x2-2*x3+3*x4=-1/2;@free(x1);@free(x2);@free(x3);@free(x4);endObjective value:???????1.250000Variable???????Value?????????? X1?????? 0.2500000???????????????X2??????? 0.000000?????????????? X3??????? 0.000000???????????????X4????? -0.2500000???????????与matlab求得结果一致。2.第二类问题（含取最大或最小值的“伪线性规划”问题）：现令x0=max{x1-x2+x3，x1+x2,x1-x3},故有x0=x1-x2+x3,x0=x1+x2,x0=x1-x3故上面的规划问题转换为：程序：clear;clc;c=[1,0,0,0];Aeq=[0,1,1,-1;0,2,-1,0];beq=[1;2];A=[0,1,-2,1;-1,1,-1,1;-1,1,1,0;-1,1,0,-1];b=[1;0;0;0];lb=zeros(3,1);xx0=[-inf;0;0;0];options = optimset(LargeScale, off, Simplex, on,Diagnostics,on,MaxIter,1000);[x,fval,exitflag,output,lambda]=linprog(c,A,b,Aeq,beq,lb,[],xx0,options)求得结果：x1,x2,x3分别为：1,0,0时，取得最优解为1。用Lingo验证结果model:sets:object/1..3/: f;endsetsf(1) = x1-x2+x3;f(2) = x1+x2;f(3) = x1-x3;x1+x2-x3=1;2*x1-x2=2;x1-2*x2+x3=1;min = @smax(f(1),f(2),f(3));endObjective value:???????? 1.000000Variable???????Value???????????X1??????? 1.000000?? X2??????? 0.0000???X3??????? 0.000000与matlab求的一致。3.第三类问题：线性回归问题??? 线性回归是一种常用的数理统计方法，这个方法要求对图上的一系列点(x1,y1),(x2,y2),...,(xn,yn)选配一条合适的直线拟合。方法通常是先定直线方程为：y=bx+a，然后按某种准则求a、b。通常这个准则为最小二乘法，则求对应的a、b值。?下面用线性规划求解：??? 按照第一类问题的解法，设有四个点为：（1,2),(2,4),(3,8),(4,10)，令模型转化为：clear;clc;c=[0,0,1,1,1,1,1,1,1,1];Aeq=[1,1,1,0,0,0,-1,0,0,0;1,2,0,1,0,0,0,-1,0,0;1,3,0,0,1,0,0,0,-1,0;1,4,0,0,0,1,0,0,0,-1];beq=[2;4;8;10];lb=[-inf,-inf,0,0,0,0,0,0,0,0];abuv0=ones(10,1);options = optimset(LargeScale, off, Simplex, on,Diagn