matlab语言(整数规划模型).pdf

9.2.2线性规划

9.2.2.1基本数学原理

线性规划是处理线性目标函数和线性约束的一种较为成熟的方法，目前已经广泛

应用于军事、经济、工业、农业、教育、商业和社会科学等许多方面。线性规划

问题的标准形式是：

或

写成矩阵形式为：

其中，0为n维列向量。

线性规划的标准形式要求目标函数最小化，约束条件取等式，变量非负。不符合

这几个条件的线性模型要首先转化成标准形。

线性规划的求解方法主要是单纯形法（SimpleMethod），该法由Dantzig于1947

年提出，以后经过多次改进。单纯形法是一种迭代算法，它从所有基本可行解的

一个较小部分中通过迭代过程选出最优解。其迭代过程的一般描述为：

1．将线性规划化为典范形式，从而可以得到一个初始基本可行解x(0)(初始顶

点)，将它作为迭代过程的出发点，其目标值为z(x(0))。

2．寻找一个基本可行解x(1)，使z(x(1))≤z(x(0))。方法是通过消去法将产生x(0)

的典范形式化为产生x(1)的典范形式。

3．继续寻找较好的基本可行解x(2)，x(3)，…，使目标函数值不断改进，即

z(x(1))≥z(x(2))≥z(x(3))≥…。当某个基本可行解再也不能被其它基本可行解改进

时，它就是所求的最优解。

Matlab优化工具箱中采用的是投影法，它是单纯形法的一种变种。

9.2.2.2相关函数介绍

linprog函数

功能：求解线性规划问题。

数学模型：

其中f,x,b,beq,lb和ub为向量，A和Aeq为矩阵。

语法：

x=linprog(f,A,b,Aeq,beq)

x=linprog(f,A,b,Aeq,beq,lb,ub)

x=linprog(f,A,b,Aeq,beq,lb,ub,x0)

x=linprog(f,A,b,Aeq,beq,lb,ub,x0,options)

[x,fval]=linprog(...)

[x,fval,exitflag]=linprog(...)

[x,fval,exitflag,output]=linprog(...)

[x,fval,exitflag,output,lambda]=linprog(...)

描述：

x=linprog(f,A,b)求解问题minf*x，约束条件为A*x=b。

x=linprog(f,A,b,Aeq,beq)求解上面的问题，但增加等式约束，即Aeq*x=beq。

若没有不等式存在，则令A=[]、b=[]。

x=linprog(f,A,b,Aeq,beq,lb,ub)定义设计变量x的下界lb和上界ub，使得x始终

在该范围内。若没有等式约束，令Aeq=[]、beq=[]。

x=linprog(f,A,b,Aeq,beq,lb,ub,x0)设置初值为x0。该选项只适用于中型问题，缺

省时大型算法将忽略初值。

x=linprog(f,A,b,Aeq,beq,lb,ub,x0,options)用options指定的优化参数进行最小化。

[x,fval]=linprog(...)返回解x处的目标函数值fval。

[x,lambda,exitflag]=linprog(...)返回exitflag值，描述函数计算的退出条件。

[x,lambda,exitflag,output]=linprog(...)返回包含优化信息的输出变量output。

[x,fval,exitflag,output,lambda]=linprog(...)将解x处的拉格朗日乘子返回到

lambda参数中。

变量：

lambda参数

lambda参数是解x处的拉格朗日乘子。它有以下一些属性：

llambda.lower–lambda的下界。

llambda.upper–lambda的上界。

llambda.ineqlin–lambda的线性不等式。

llambda.eqlin–lambda的线性等式。

其它参数意义同前。

算法：

大型优化算法大型优化算法采用的是LIPSOL法，该法在进行迭代计算之前首

先要进行一系列的预处理。

中型优化算法linprog函数使用的是投影法，就象quadprog函数的算法一样。

linprog函数使用的是一种活动集方法，是线性规划中单纯形