matlab 中如何求解线性规划问题.docx
《matlab 中如何求解线性规划问题.docx》由会员分享，可在线阅读，更多相关《matlab 中如何求解线性规划问题.docx（14页珍藏版）》请在冰点文库上搜索。
matlab中如何求解线性规划问题
matlab中如何求解线性规划问题
悬赏分：
0 - 解决时间：
2008-9-912:
52
提问者：
zyb5302882 - 二级
最佳答案
bintprog求解0-1规划问题格式如下
x=bintprog（f）
x=bintprog（f,A,b）
x=bintprog（f,A,b,Aeq,beq）
x=bintprog（f,A,b,Aeq,beq,x0）
x=bintprog（f,A,b,Aeq,Beq,x0,options）
[x,fval]=bintprog（...）
[x,fval,exitflag]=bintprog（...）
[x,fval,exitflag,output]=bintprog（...）
这里x是问题的解向量
f是由目标函数的系数构成的向量
A是一个矩阵，b是一个向量
A，b和变量x={x1,x2,…,xn}一起，表示了线性规划中不等式约束条件
A，b是系数矩阵和右端向量。
Aeq和Beq表示了线性规划中等式约束条件中的系数矩阵和右端向量。
X0是给定的变量的初始值
options为控制规划过程的参数系列。
返回值中fval是优化结束后得到的目标函数值。
exitflag=0表示优化结果已经超过了函数的估计值或者已声明的最大迭代次数；
exitflag>0表示优化过程中变量收敛于解X，
exitflag<0表示计算不收敛。
output有3个分量，
iterations表示优化过程的迭代次数，
cgiterations表示PCG迭代次数，
algorithm表示优化所采用的运算规则。
在使用linprog（）命令时，系统默认它的参数至少为1个，
但如果我们需要给定第6个参数，则第2、3、4、5个参数也必须给出，否则系统无法认定给出的是第6个参数。
遇到无法给出时，则用空矩阵“[]”替代。
例如
max=193*x1+191*x2+187*x3+186*x4+180*x5+185*x6;%f由这里给出
st.
x5+x6>=1;
x3+x5>=1;
x1+x2<=1;
x2+x6<=1;
x4+x6<=1;
%a、b由不等关系给出，如没有不等关系，a、b取[]
x1+x2+x3+x4+x5+x6=1;%aep、bep由等式约束给出
代码如下
f=[-193;-191;-187;-186;-180;-185;];
a=[0000-1-1;0-100-10;110000;010001;000101];
b=[-1,-1,1,1,1]';
aeq=[111111];
beq=[3];
x=bintprog（f,a,b,aeq,beq）
注意
目标值为最大值时应乘以-1化为求最小值；
不等约束为>=时应乘以-1化为<=;
linprog非0-1规划格式如下
x=linprog（f,A,b）
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,lambda,exitflag]=linprog（...）
[x,lambda,exitflag,output]=linprog（...）
[x,fval,exitflag,output,lambda]=linprog（...）
参数说明和使用格式同bintprog
LB和UB是约束变量的下界和上界向量
lambda有4个分量，
ineqlin是线性不等式约束条件，
eqlin是线性等式约束条件，
upper是变量的上界约束条件，
lower是变量的下界约束条件。
它们的返回值分别表示相应的约束条件在优化过程中是否有效。
沪深300年化收益率34.49%，投资比例不超过30%；封闭式基金年化收益率113.15%，投资比例不超过10%；中债企业债年化收益率5.41%，可转债年化收益率32.59%，投资比例不超过10%；短融年化收益率3.58%，中期票据年化收益率7.12%，其中D+F+G投资比例不超过50%。
Matlab线性规划求解优化问题
（2010-07-1211:
16:
44）
转载
标签：
杂谈
分类：
Matlab
用MATLAB优化工具箱解线性规划
命令：
x=linprog（c，A，b）
命令：
x=linprog（c，A，b，Aeq,beq）
注意：
若没有不等式：
存在，则令A=[]，b=[].若没有等式约束,则令Aeq=[],beq=[].
命令：
[1]x=linprog（c，A，b，Aeq,beq,VLB，VUB）
[2]x=linprog（c，A，b，Aeq,beq,VLB，VUB,X0）
注意：
[1]若没有等式约束,则令Aeq=[],beq=[].[2]其中X0表示初始点
4、命令：
[x,fval]=linprog（…）
返回最优解x及x处的目标函数值fval.
例1
解编写M文件小xxgh1.m如下：
c=[-0.4-0.28-0.32-0.72-0.64-0.6];
A=[0.010.010.010.030.030.03;0.02000.0500;00.02000.050;000.03000.08];
b=[850;700;100;900];
Aeq=[];beq=[];
vlb=[0;0;0;0;0;0];vub=[];
[x,fval]=linprog（c,A,b,Aeq,beq,vlb,vub）
例2解:
编写M文件xxgh2.m如下：
c=[634];
A=[010];
b=[50];
Aeq=[111];
beq=[120];
vlb=[30,0,20];
vub=[];
[x,fval]=linprog（c,A,b,Aeq,beq,vlb,vub
例3 （任务分配问题）某车间有甲、乙两台机床，可用于加工三种工件。
假定这两台车床的可用台时数分别为800和900，三种工件的数量分别为400、
600和500，且已知用三种不同车床加工单位数量不同工件所需的台时数和加工
费用如下表。
问怎样分配车床的加工任务，才能既满足加工工件的要求，又使
加工费用最低
解 设在甲车床上加工工件1、2、3的数量分别为x1、x2、x3，在乙车床上
加工工件1、2、3的数量分别为x4、x5、x6。
可建立以下线性规划模型：
编写M文件xxgh3.m如下:
f=[1391011128];
A= [0.41.11000
0000.51.21.3];
b=[800;900];
Aeq=[100100
010010
001001];
beq=[400600500];
vlb=zeros（6,1）;
vub=[];
[x,fval]=linprog（f,A,b,Aeq,beq,vlb,vub）
例4．某厂每日8小时的产量不低于1800件。
为了进行质量控制，计划聘请两种不同水平的检验员。
一级检验员的标准为：
速度25件/小时，正确率98%，计时工资4元/小时；二级检验员的标准为：
速度15小时/件，正确率95%，计时工资3元/小时。
检验员每错检一次，工厂要损失2元。
为使总检验费用最省，该工厂应聘一级、二级检验员各几名？
解 设需要一级和二级检验员的人数分别为x1、x2人,
编写M文件xxgh4.m如下：
c=[40;36];
A=[-5-3];
b=[-45];
Aeq=[];
beq=[];
vlb=zeros（2,1）;
vub=[9;15];
%调用linprog函数：
[x,fval]=linprog（c,A,b,Aeq,beq,vlb,vub）
结果为：
x=
9.0000
0.0000
fval=360
即只需聘用9个一级检验员。
4．控制参数options的设置
Options中常用的几个参数的名称、含义、取值如下:
（1）Display:
显示水平.取值为’off’时,不显示输出;取值为’iter’时,显示每次迭代的信息;取值为’final’时,显示最终结果.默认值为’final’.
（2）MaxFunEvals:
允许进行函数评价的最大次数,取值为正整数.
（3） MaxIter:
允许进行迭代的最大次数,取值为正整数
控制参数options可以通过函数optimset创建或修改。
命令的格式如下：
（1）options=optimset（‘optimfun’）
创建一个含有所有参数名,并与优化函数optimfun相关的默认值的选项结构options.
（2）options=optimset（‘param1’,value1,’param2’,value2,...）
创建一个名称为options的优化选项参数,其中指定的参数具有指定值,所有未指定的参数取默认值.
（3）options=optimset（oldops,‘param1’,value1,’param2’,
value2,...）
创建名称为oldops的参数的拷贝,用指定的参数值修改oldops中相应的参数.
例：
opts=optimset（‘Display’,’iter’,’TolFun’,1e-8）
该语句创建一个称为opts的优化选项结构,其中显示参数设为’iter’,TolFun参数设为1e-8.
用Matlab解无约束优化问题
一元函数无约束优化问题
常用格式如下：
（1）x=fminbnd（fun,x1,x2）
（2）x=fminbnd（fun,x1,x2，options）
（3）[x，fval]=fminbnd（...）
（4）[x，fval，exitflag]=fminbnd（...）
（5）[x，fval，exitflag，output]=fminbnd（...）
其中（3）、（4）、（5）的等式右边可选用
（1）或
（2）的等式右边。
函数fminbnd的算法基于黄金分割法和二次插值法，它要求目标函数必须是连续函数，并可能只给出局部最优解。
例1求在0<x<8中的最小值与最大值
主程序为wliti1.m:
f='2*exp（-x）.*sin（x）';
fplot（f,[0,8]）; %作图语句
[xmin,ymin]=fminbnd（f,0,8）
f1='-2*exp（-x）.*sin（x）';
[xmax,ymax]=fminbnd（f1,0,8）
运行结果：
xmin=3.9270 ymin=-0.0279
xmax= 0.7854 ymax= 0.6448
例2 对边长为3米的正方形铁板，在四个角剪去相等的正方形以制成方形无盖水槽，问如何剪法使水槽的容积最大？
先编写M文件fun0.m如下:
functionf=fun0（x）
f=-（3-2*x）.^2*x;
主程序为wliti2.m:
[x,fval]=fminbnd（'fun0',0,1.5）;
xmax=x
fmax=-fval
运算结果为:
xmax=0.5000,fmax=2.0000.即剪掉的正方形的边长为0.5米时水槽的容积最大,最大容积为2立方米.
2、多元函数无约束优化问题
标准型为：
minF（X）
命令格式为:
（1）x=fminunc（fun,X0）；或x=fminsearch（fun,X0）
（2）x=fminunc（fun,X0，options）；
或x=fminsearch（fun,X0，options）
（3）[x，fval]=fminunc（...）；
或[x，fval]=fminsearch（...）
（4）[x，fval，exitflag]=fminunc（...）；
或[x，fval，exitflag]=fminsearch
（5）[x，fval，exitflag，output]=fminunc（...）；
或[x，fval，exitflag，output]=fminsearch（...）
说明:
•fminsearch是用单纯形法寻优.fminunc的算法见以下几点说明：
[1]fminunc为无约束优化提供了大型优化和中型优化算法。
由options中的参数LargeScale控制：
LargeScale=’on’（默认值）,使用大型算法
LargeScale=’off’（默认值）,使用中型算法
[2]fminunc为中型优化算法的搜索方向提供了4种算法，由
options中的参数HessUpdate控制：
HessUpdate=’bfgs’（默认值），拟牛顿法的BFGS公式；
HessUpdate=’dfp’，拟牛顿法的DFP公式；
HessUpdate=’steepdesc’，最速下降法
[3]fminunc为中型优化算法的步长一维搜索提供了两种算法，
由options中参数LineSearchType控制：
LineSearchType=’quadcubic’（缺省值），混合的二次和三
次多项式插值；
LineSearchType=’cubicpoly’，三次多项式插
•使用fminunc和fminsearch可能会得到局部最优解.
例3minf（x）=（4x12+2x22+4x1x2+2x2+1）*exp（x1）
1、编写M-文件fun1.m:
functionf=fun1（x）
f=exp（x
（1））*（4*x
（1）^2+2*x
（2）^2+4*x
（1）*x
（2）+2*x
（2）+1）;
2、输入M文件wliti3.m如下:
x0=[-1,1];
x=fminunc（‘fun1’,x0）;
y=fun1（x）
3、运行结果:
x= 0.5000 -1.0000
y= 1.3029e-10
例4 Rosenbrock函数f（x1，x2）=100（x2-x12）2+（1-x1）2
的最优解（极小）为x*=（1，1），极小值为f*=0.试用
不同算法（搜索方向和步长搜索）求数值最优解.
初值选为x0=（-1.2,2）.
1.为获得直观认识，先画出Rosenbrock 函数的三维图形,
输入以下命令：
[x,y]=meshgrid（-2:
0.1:
2,-1:
0.1:
3）;
z=100*（y-x.^2）.^2+（1-x）.^2;
mesh（x,y,z）
2.画出Rosenbrock 函数的等高线图,输入命令：
contour（x,y,z,20）
holdon
plot（-1.2,2,'o'）;
text（-1.2,2,'startpoint'）
plot（1,1,'o'）
text（1,1,'solution'）
3.用fminsearch函数求解
输入命令:
f='100*（x
（2）-x
（1）^2）^2+（1-x
（1））^2';
[x,fval,exitflag,output]=fminsearch（f,[-1.22]）
运行结果:
x=1.0000 1.0000
fval=1.9151e-010
exitflag=1
output=
iterations:
108
funcCount:
202
algorithm:
'Nelder-Meadsimplexdirectsearch'
4.用fminunc函数
（1）建立M-文件fun2.m
functionf=fun2（x）
f=100*（x
（2）-x
（1）^2）^2+（1-x
（1））^2
（2）主程序wliti44.m
Rosenbrock函数不同算法的计算结果
可以看出，最速下降法的结果最差.因为最速下降法特别不适合于从一狭长通道到达最优解的情况.
例5 产销量的最佳安排
某厂生产一种产品有甲、乙两个牌号，讨论在产销平衡的情况下如何确定各自的产量，使总利润最大.所谓产销平衡指工厂的产量等于市场上的销量.
符号说明
z（x1,x2）表示总利润；
p1，q1，x1分别表示甲的价格、成本、销量；
p2，q2，x2分别表示乙的价格、成本、销量；
aij，bi，λi,ci（i，j=1，2）是待定系数.
基本假设
1．价格与销量成线性关系
利润既取决于销量和价格，也依赖于产量和成本。
按照市场规律，
甲的价格p1会随其销量x1的增长而降低，同时乙的销量x2的增长也
会使甲的价格有稍微的下降，可以简单地假设价格与销量成线性关系，
即：
p1=b1-a11x1-a12x2，b1，a11，a12>0，且a11>a12；
同理，p2=b2-a21x1-a22x2，b2，a21，a22>0
2．成本与产量成负指数关系
甲的成本随其产量的增长而降低,且有一个渐进值,可以假设为
负指数关系,
总利润为：
z（x1,x2）=（p1-q1）x1+（p2-q2）x2
若根据大量的统计数据,求出系数b1=100,a11=1,a12=0.1,b2=280,
a21=0.2,a22=2,r1=30,λ1=0.015,c1=20,r2=100,λ2=0.02,c2=30,则
问题转化为无约束优化问题：
求甲,乙两个牌号的产量x1，x2，使总利润z最大.
为简化模型,先忽略成本,并令a12=0,a21=0,问题转化为求:
z1=（b1-a11x1）x1+（b2-a22x2）x2
的极值.显然其解为x1=b1/2a11=50,x2=b2/2a22=70,
我们把它作为原问题的初始值.
模型求解
1.建立M-文件fun.m:
functionf=fun（x）
y1=（（100-x
（1）-0.1*x
（2））-（30*exp（-0.015*x
（1））+20））*x
（1）;
y2=（（280-0.2*x
（1）-2*x
（2））-（100*exp（-0.02*x
（2））+30））*x
（2）;
f=-y1-y2;
2.输入命令:
x0=[50,70];
x=fminunc（‘fun’,x0）,
z=fun（x）
3.计算结果:
x=23.9025,62.4977, z=6.4135e+003
即甲的产量为23.9025,乙的产量为62.4977,最大利润为6413.5.
matlab线性规划
悬赏分：
5 - 提问时间2007-5-317:
10
求解最大值Z=y1×5.2×105+（2.5+x1+x2-y1）×4.3×105+y2×4.7×105+（8.2—x1+x3-y2）×3.9×105+[0.25×y1+0.2×（2.5+x1+x2-y1）+0.23×y2+0.185×（8.2-x1+x2-y2）-2]×106-x1×2.0×105-x3×8.5×105-x2×10×105
约束条件：
3.5-x2-x3≥0
8.2-x1+x3≥0
0≤y1≤2.5+x1+x2
0≤y2≤8.2-x1+x3
7.5y1+6.1×（2.5+x1+x2-y1）+9.0y2+7.35×（8.2-x1+x3-y2）≤96.5
1.4y1+1.65y2≤7.5
0.25y1+0.2×（2.5+x1+x2-y1）+0.23y2+0.185×（8.2-x1+x3-y2）≥2
x1≥0,x2≥0,x3≥0
谢谢了
问题补充：
我已经编了一个，只是解有些特殊的难以接受，有没有答案，所以想问一下别人
提问者：
wsz911 - 一级
网友推荐答案
我算出这个结果：
functionzfmincon
clc;clear;
x0=[11111]%初值
LB=[00000]%下限
%[X,FVAL,EXITFLAG]=FMINCON（FUN,X0,A,B,Aeq,Beq,LB,UB,NONLCON）
options=optimset（'TolCon',1e-007）
[X,FVAL,EXITFLAG]=fmincon（@myfun,x0,[],[],[],[],LB,[],@myfun1,options）
functionf=myfun（x）
x1=x
（1）;x2=x
（2）;x3=x（3）;y1=x（4）;y2=x（5）;
f1=y1*5.2*105+（2.5+x1+x2-y1）*4.3*105+y2*4.7*105+（8.2-x1+x3-y2）*3.9*105+（0.25*y1+0.2*（2.5+x1+x2-y1）+0.23*y2+0.185*（8.2-x1+x2-y2）-2）*106-x1*2.0*105-x3*8.5*105-x2*10*105;
f=-f1;
function[cceq]=myfun1（x）
x1=x
（1）;x2=x
（2）;x3=x（3）;y1=x（4）;y2=x（5）;
%{
3.5-x2-x3≥0
8.2-x1+x3≥0
0≤y1≤2.5+x1+x2
0≤y2≤8.2-x1+x3
7.5y1+6.1×（2.5+x1+x2-y1）+9.0y2+7.35×（8.2-x1+x3-y2）≤96.5
1.4y1+1.65y2≤7.5
0.25y1+0.2×（2.5+x1+x2-y1）+0.23y2+0.185×（8.2-x1+x3-y2）≥2
x1≥0,x2≥0,x3≥0
%}
c1=3.5-x2-x3;
c2=8.2-x1+x3;
c3=y1-（
升级会员 