实验投资收益和风险与生产计划中线性规划模型.docVIP

实验九　投资的收益和风险与 生产计划中的线性规划数学模型 一 实验目的 根据投资的收益和风险等实际问题建立数学模型，准确理解建模中有关概念. 掌握将双目标优化问题转化为单目标优化问题的思想和方法. 掌握用 Mathematica4.0 求解线性规划问题的基本命令. 二 学习 Mathematica 命令 1. 约束最大与约束最小命令ConstrainedMax与ConstrainedMin 　　用函数 ConstrainedMax 或 ConstrainedMin 求解线性规划问题. 它们的基本使用格式是： ConstrainedMax[f，{inequalities}，{x，y，…}] 在不等式或等式 {inequalities} 确定的可行区域上求线性目标函数 f 的最大值，约定变量 {x，y，…} 都大于或等于0； ConstrainedMin[f，{inequalities}，{x，y，…}] 在不等式或等式 {inequalities} 确定的可行区域上求线性目标函数 f 的最小值，约定变量 {x，y，…} 都大于或等于0. 　　这两个函数有一个可选参数： 　　Tolerance　　允许误差（默认值是10–6）. 例如输入 ConstrainedMin[1.5 x+2.5 y,{x+3 y=3,x+y=2},{x,y}] 输出 {3.5, {x - 1.5, y - 0.5}} 即当,时, 函数取最小值3.5. 在约束条件中可以使用等号，但要用“= =”表示. 输入 ConstrainedMax[5x+3y+2z+4t,{3x+y+2z+8t= =10,2x+4y+2z+t= =10},{x,y,z,t}] 输出 {18, {x - 3, y - 1, z - 0, t - 0}} 有时, 输出结果可能有些问题. 输入 ConstrainedMax[3x+2y-1,{x1,y2},{x,y}] 输出 {6, {x - 1, y - 2}} 即当,时, 函数取最大值6. 注意: 约束条件使用严格不等号，结果仍旧取在边界上. 输入 ConstrainedMax[x+y,{x+y=15},{x,y}] 输出 {15, {x - 15, y - 0}} 这个问题有无穷多最优解, 这里只给出其中之一, 而且没有给出任何提示信息. 无论如何, 前面的例题总给出一个最优解, 属于正常情况. 下面的例子是非正常的情况. 输入 ConstrainedMax[x+y,{x-y=0,3x-y=-3},{x,y}] 在输入行的下面给出提示 ConstrainedMax::nsat: The specified constraints cannot be satisfied. 并输出 ConstrainedMax[x + y, {x - y = 0, 3 x - y = -3}, {x, y}] 意思是: 没有可行解, 因此没有最优解. 然后返回投资的收益和风险问题. 输入 ConstrainedMax[2x+y,{x-y=-1,-0.5x+y=2},{x,y}] 在输入行的下面给出提示 ConstrainedMax::nbddt: Specified domain appears unbounded, with tolerance 1.`*^-6. 并输出 {∞, {x - Indeterminate, y - Indeterminate}} 意思是: 可行区域无界, 问题没有最大值, 或说最大值是无穷大. 然后返回投资的收益和风险问题. 2. 线性规划命令LinearProgramming 　　当自变量和约束不等式较多时，ConstrainedMax 或 ConstrainedMin 用起来就麻烦了. 将目标函数和约束条件用向量或矩阵表示，然后使用 LinearProgramming. 其一般形式为 LinearProgramming[c，m，b] 其中 c 是行向量，b 是列向量，m 是矩阵，自变量用 x 表示，该命令即求在满足不等式 mx≥b 且 x≥0 的可行区域中，求函数 cx 的最小值点 x. 　　注意，实际输入时，b 仍以行向量表示. 　　这个函数也有可选参数 Tolerance，与前面的相同. 　　如用约束最小命令计算，输入 ConstrainedMin[2 x - 3 y, {x + y 10, x - y 2, x 1}, {x, y}] 输出结果 {0, {x - 6, y - 4}} 　　改为用线性规划命令计算，输入 LinearProgramming[{2,-3},{{-1,-1},{1,-1},{1,0}},{-10,2,1}] 输出 {6, 4} 结果是一样的. 但表示方法不同. 　　注意