线性规划0421.pptVIP

线性规划问题的MATLAB求解 运输问题 线性规划问题的MATLAB求解 c=[10;12;9;8;11;13]; Aeq=[1 1 1 0 0 0; 0 0 0 1 1 1 1 0 0 1 0 0 0 1 0 0 1 0 0 0 1 0 0 1]; beq=[35;55;26;38;26]; lb=[0;0;0;0;0;0]; ub=[Inf;Inf;Inf;Inf;Inf;Inf]; [x,fval]=linprog(c,[],[],Aeq,beq,lb,ub) Optimization terminated. x = 0.0000 9.0000 26.0000 26.0000 29.0000 0.0000 fval = 869.0000 线性规划问题的MATLAB求解 绝对值问题 问题的提出 求解如下优化问题 问题分析 乍一看，该问题并非线性规划问题，因为目标函数中含有变量的绝对值，并非线性的问题，于是我们需要将上述问题转化成我们可以求解的线性规划问题。 事实上，如果我们设计两个与x相关的非负变量m和n，使其满足： 根据以上两个式子，我们可以得到： 于是，我们同上如上的代换方式，就可以将该问题顺利转化为线性规划来求解。 线性规划问题的MATLAB求解 绝对值问题 问题解答 根据以上的分析，我们作如下代换 于是问题变为： 线性规划问题的MATLAB求解 绝对值问题 c=[1;1;1;1;1;1]; A=[1 -1 1 -1 0 0]; b=[1]; Aeq=[2 -2 0 0 1 -1]; beq=[3]; lb=[0;0;0;0;0;0]; ub=[Inf;Inf;Inf;Inf;Inf;Inf]; [x,fval]=linprog(c,A,b,Aeq,beq,lb,ub) Optimization terminated. x = 1.0936 0.0000 0.0000 0.0936 0.8129 0.0000 fval = 2.0000 本章重点回顾 线性规划问题的建模方法 线性规划问题的标准型以及标准化方法 线性规划问题中解的概念，包括基本解、可行解、基本可行解和最优解 线性规划问题求解的方法：图解法、单纯形法、大M法和两阶段法 线性规划MATLAB的标准型 用MATLAB优化工具箱linprog求解线性规划问题的具体方法 * 表4-6 Gauss-Jordan消元(2) Valuex1x2x3x4x5f80-1001x3605/210-3/4x4403/201-3/4x1211/2001/4 线性规划问题求解的大M法 单纯形迭代 按照单纯形法，构造初始单纯形表，注意其中含有M项，但这并不影响求解过程 上表并非单纯形表的规范性，因为目标函数对应于基变量x4和x5的系数不为零，故我们采用矩阵的行变换将上表转化为规范型 然后和单纯形法一致，经过迭代得到最终单纯形表为 上表3中，检验数已没有负数，故已经求出线性规划问题的的最优解 Value x1 x2 x3 x4 x5 f 0 -1 -3 1 M M x4 4 1 1 2 1 0 x5 4 -1 2 1 0 1 Value x1 x2 x3 x4 x5 f -8M -1 -3M -3 -3M +1 0 0 x4 4 1 1 2 1 0 x5 4 -1 (2) 1 0 1 Value x1 x2 x3 x4 x5 f 28/3 0 0 5 M+5/3 M+2/3 x1 4/3 1 0 1 2/3 -1/3 x2 8/3 0 1 1 1/3 1/3 线性规划问题求解的两阶段法 两阶段法的原理 两阶段也是用以解决具有“=”或者“≥”类型约束的线性规划问题的初始可行解问题。顾名思义，该方法分为两个阶段进行： 第一阶段 先引入松弛变量和人工变量，而目标函数则由人工变量的和组成。这一步的工作是用单纯形法把目标函数对应的所有的人工变量的值变为零。若第一阶段最优解对应的目标函数的最优值为零，则所有人工变量一定都取零值，说明原问题存在基可行解，可以进行第二阶段的计算；否则，原问题无可行解，停止计算。 第二阶段