当前位置: 首页 > news >正文

一、线性规划

1.1 线性规划问题

1.1.1 线性规划的定义

  线性规划(Linear Programming)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。

1.1.2 线性规划问题的解

  一般线性规划问题的(数学)标准模型为:
max⁡ z=∑j=1ncjxjs. t.{∑j=1nai,jxj=bi,i=1,2,...,mxj≥0,j=1,2,...,n\max_{}\space z=\sum_{j=1}^{n} c_jx_j\\ s.\ t. \begin{cases}\sum_{j=1}^{n}a_{i,j}x_j=b_i,i=1,2,...,m \\x_j\ge0,j=1,2,...,n\end{cases}max z=j=1ncjxjs. t.{j=1nai,jxj=bi,i=1,2,...,mxj0,j=1,2,...,n
其中,bi≥0b_i\ge0bi0
可行解:满足约束条件的解,使目标函数达到最值的可行解成为最优解。
可行域:所有可行解构成的集合,记为R。

1.1.3 线性规划的Matlab标准形式及求解

minfTxs. t.{A⋅x≤b,Aeq⋅x=beq,lb≤x≤ubminf^Tx\\ s.\space t. \left\{\begin{matrix} A\cdot x\le b,\\Aeq \cdot x=beq, \\lb \le x \le ub\end{matrix}\right.minfTxs. t.Axb,Aeqx=beq,lbxub
其中,f,x,b,beq,lb,ubf,x,b,beq,lb,ubf,x,b,beq,lb,ub为列向量,fff称为价值向量,bbb称为资源向量;A,AeqA,AeqA,Aeq为矩阵。
Matlab中求解线性规划的命令为:

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

x返回决策变量的取值;fval返回目标函数的最优值。

在这里插入图片描述

c=[2;3;1];
A=[1,4,2;3,2,0];
b=[8;6];
[x,y]=linprog(c,-A,-b,[],[],zeros(3,1))

1.1.4 可转化为线性规划的问题

在这里插入图片描述
在这里插入图片描述

http://www.dtcms.com/a/325016.html

相关文章:

  • 免费数字人API开发方案
  • 高精度计算+快速幂算法
  • 【算法题】:斐波那契数列
  • 【langchain】如何给langchain提issue和提pull request?
  • SpringIoc 实践和应用--XML配置
  • 数据结构-deque(双端队列)和queue(队列)区别
  • Flask多进程数据库访问问题详解
  • spring全家桶使用教程
  • Lua语言元表、协同程序
  • 密码学的数学基础2-Paillier为什么产生密钥对比RSA慢
  • SQL三剑客:DELETE、TRUNCATE、DROP全解析
  • 深度相机---双目深度相机
  • 浏览器CEFSharp+X86+win7 之 浏览器右键菜单(六)
  • Mysql笔记-存储过程与存储函数
  • vulnhub-doubletrouble靶场攻略
  • Linux C文件操作函数
  • 谷歌DeepMind发布Genie 3:通用型世界模型,可生成前所未有多样化的交互式虚拟环境
  • C++移动语义、完美转发及编译器优化零拷贝
  • PostgreSQL 批量COPY导入优化参数配置
  • 近红外与可见光图像融合的多种方法实现
  • OpenAI正式发布GPT-5:迈向AGI的关键一步
  • Java基础-多线程
  • lesson34:深入理解Python线程:从基础到实战优化
  • hysAnalyser --- 支持文件转播UDP/RTP实时流功能
  • CompletableFuture实现Excel 多个sheet页批量导出
  • 【数据分析】循环移位岭回归分析:光遗传学冻结行为模式研究
  • 【PyTorch】单目标检测项目部署
  • MPLS的基本工作原理
  • AI玩具新浪潮:百亿资本涌入,情感计算重塑陪伴经济
  • WAIC2025逛展分享·AI鉴伪技术洞察“看不见”的伪造痕迹