数学建模十大算法03—线性规划、整数规划、非线性规划、多目标规划

无糖馥芮白

已于 2022-09-30 14:49:57 修改

阅读量1.2w

点赞数 30

CC 4.0 BY-SA版权

分类专栏：数学建模十大算法文章标签：算法 matlab 开发语言

于 2022-09-04 18:31:33 首次发布

本文链接：https://blog.csdn.net/Serendipity_zyx/article/details/126688879

文章目录

一、线性规划（Linear Programming，LP）

1.1 引例

在人们的生产实践中，经常会遇到如何利用现有资源来安排生产，以取得最大经济效益的问题。 此类问题构成了运筹学的一个重要分支一数学规划，而线性规划（Linear Programming, LP） 则是数学规划的一个重要分支。

简而言之，线性规划就是在有限的条件下，获得最大的收益。

【例】 某机床厂生产甲、乙两种机床，每台销售后的利润分别为4000元与3000元。生产甲机床需用A、B机器加工，加工时间分别为每台2h和1h；生产乙机床需用A、B、C三种机器加工，加工时间为每台各1h。若每天可用于加工的机器时数分别为A机器10h、B机器8h和C机器7h，问该厂应生产甲、乙机床各几台，才能使总利润最大?

上述问题的数学模型为：（其中， $x_1$ 和 $x_2$ 是决策变量）
在这里插入图片描述
总之，线性规划问题是在一组线性约束条件的限制下，求一线性目标函数最大或最小的问题。 “线性”意味着所有变量都是一次方。
在解决实际问题时，把问题归结成一个线性规划数学模型是很重要的一步，往往也是很困难的一步，模型建立得是否恰当，直接影响到求解。而选择适当的决策变量，是建立有效模型的关键之一。

1.2 线性规划问题的解

一般线性规划问题的（数学）标准型为：
在这里插入图片描述

1.3 Matlab标准形式

线性规划的目标函数可以是求最大值，也可以是求最小值，约束条件的不等号可以是
小于等号也可以是大于等号。为了避免这种形式多样性带来的不便，Matlab中规定线性规划的标准形式为：
在这里插入图片描述
Matlab中求解线性规划的命令为：

[x, fval] = linprog(f, A, b)  % A和b对应线性不等式约束
[x, fval] = linprog(f, A, b, Aeq, beq)  % Aeq和beq对应线性等式约束
[x, fval] = linprog(f, A, b, Aeq, beq, lb, ub)  % lb和ub分别对应决策变量的下界向量和上界向量

其中， $x$ 返回决策向量的取值； $f v a l$ 返回目标函数的最优值。

如果线性规划问题的解为max形式，可以通过以下转换，再应用Matlab提供的方法：
在这里插入图片描述
【例】 求解下列线性规划问题。

将其转换为Matlab标准形式：

Matlab代码实现为：

f = [-40;-30]  % 目标函数中变量的系数矩阵
a = [1,1;-1,0;0,-1;240,120]  % 小于等于的约束条件中变量系数矩阵
b = [6;-1;-1;1200]  % 小于等于的约束条件中常数项矩阵

[x,y] = linprog(f, a, b)  % 从等式约束开始后都没有，可以都不写
y = -y  % 注意要还原成求最大值！！！！

求解结果为：
在这里插入图片描述
【例】 求解下列线性规划问题。

代码如下：

clc;clear
c=[2;3;1];
a=[1,4,2;3,2,0];
b=[8;6];
[x,y]=linprog(c,-a,-b,[],[],zeros(3,1))  %这里没有等式约束，对应的矩阵为空矩阵

求解结果为：
在这里插入图片描述

1.4 投资的收益和风险（模型建立与分析）

在这里插入图片描述

1.4.1 符号规定和基本假设

符号规定：
在这里插入图片描述
基本假设：

注意，这里将M假设为1，可以方便后面的计算。（建模比赛中可以适当进行假设）

1.4.2 模型的分析与建立

（1）总体风险用所投资的 $s_i$ 中最大的一个风险来衡量，即
在这里插入图片描述

（2）购买 $s_i（i=1,2,...,n)$ 所付交易费是一个分段函数，即
在这里插入图片描述
而题目中所给的定值 $u_i$ （单位：元）相对总投资 $M$ 很少， $p_iu_i$ 更小，这样购买 $s_i$ 的净收益可以简化为 $r_i-p_i)x_i$ 。

（3）要使净收益尽可能大，总体风险尽可能小，这是一个多目标规划模型。

目标函数为：
在这里插入图片描述

约束条件为：
在这里插入图片描述

（4）模型简化。

模型一： 在实际投资中，投资者承受风险的程度不一样，若给定风险一个界限 a，使最大的一个风险率为a，即 $q_ix_i/M ≤ a (i=1,2,…,n)$ ，可找到相应的投资方案。这样以来就可以把多目标规划变成一个目标的线性规划。

即固定风险水平，优化收益：
在这里插入图片描述
通俗理解，就是把原来多目标优化中第二个 $min$ 目标函数转变为约束条件，只要风险小于 $a$ 都是投资者可接受的风险范围。

模型二： 若投资者希望总盈利至少达到水平 $k$ 以上，在风险最小的情况下寻求相应的投资组合。

即固定盈利水平，极小化风险：
在这里插入图片描述

和模型一类似，这里将 $ma x$ 目标函数转换为了只要总收益大于 $k$ ，投资者都可以接受。

模型三： 投资者在权衡资产风险和预期收益两方面时，希望选择一个令自己满意的投资组合。因此对风险收益分别赋予权重 $s$ 和 $(1 - s)$ ， $s$ 称为投资偏好系数。

在这里插入图片描述
这里可以简单理解成投资者是更注重哪一个目标，投资者倾向的那个权重设置的更大即可。

上述模型对应的两条思路也是在数学建模中经常会使用到的：①将多目标转换为单目标规划；②将多目标函数赋予相应的权重进行搜索。

1.4.3 模型一的求解

最低0.47元/天解锁文章

200万优质内容无限畅学