最优化实例和matlab源程序.docxVIP

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、 異体步骤 （1）?对应于第一优先等级，建立线性规划问题： model: min二-dl; 5*xl+10*x2〈二60; xl-2*x2+dl_-dl二0; end 运行结果：-dl=0 （2 ）对应于第二优先等级，将-dl=0作为约束条件，建立线性规划问题：min=d2_; 5*xl+10*x2〈二60; xl-2*x2+dl_-dl二0; 4*xl+4*x2+d2_-d2二36; -dl=0; end 运行结果：d2二0; （3）?对应于第三优先等级，将-dl二0, -dl=0作为约束条件，建立线性规划问题： min=d3_; 5*xl+10*x2〈二60; xl-2*x2+dl_-dl二0; 4*xl+4*x2+d2_-d2二36; 6xl+8*x2+d3_-d3二48; -dl=0; d2=0; end 运行结果：d3二0; XI 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、 需求分祈 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); //比较两个兀索大小的类 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 二 null; // @jve:decl-index二0: public static double knapsack (double []pp, double []w, double cc) { c=cc; n=pp? length—l; cw二0. 0; cp=0. 0; bestp=0. 0; Element[]q二new Element[n]; //q为单位重量价值数组 for(int i二1;i〈二n;i++) q[i- l]=new Element(i, pp[i]/ww[i]); MergeSort. mergeSort(q); p=new double[n+1]; w=new double[n+1]; x=new int[n+1]; sortX二new int[n+1]; bestX=new int[n+1]; for(int i=l;i=n;i++){ p[i]二pp[q[n-i]?id]; w[i