《MATLAB优化应用95907》由会员分享，可在线阅读，更多相关《MATLAB优化应用95907（19页珍藏版）》请在金锄头文库上搜索。
1、MATLAB优化应用 1 线性规划模型 一、线性规划课题： 实例1：生产计划问题 假设某厂计划生产甲、乙两种产品，现库存主要材料有A类3600公斤，B类2000公斤，C类3000公斤。每件甲产品需用材料A类9公斤，B类4公斤，C类3公斤。每件乙产品，需用材料A类4公斤，B类5公斤，C类10公斤。甲单位产品的利润70元，乙单位产品的利润120元。问如何安排生产，才能使该厂所获的利润最大。 建立数学模型： 设x1、x2分别为生产甲、乙产品的件数。f为该厂所获总润。 max f=70x1+120x2 s.t 9x1+4x23600 4x1+5x22000 3x1+10x23000 x1,x20 实例
2、2：投资问题 某公司有一批资金用于4个工程项目的投资，其投资各项目时所得的净收益(投入资金锪百分比)如下表： 工程项目收益表 工程项目 A B C D 收益(%) 15 10 8 12 由于某种原因，决定用于项目A的投资不大于其他各项投资之和而用于项目B和C的投资要大于项目D的投资。试确定全文该公司收益最大的投资分配方案。 建立数学模型： 设x1、 x2 、x3 、x4分别代表用于项目A、B、C、D的投资百分数。 max f=0.15x1+0.1x2+0.08 x3+0.12 x4 s.t x1-x2- x3- x40 x2+ x3- x40 x1+x2+x3+ x4=1 xj0 j=1,2,
3、3,4 实例3：运输问题 有A、B、C三个食品加工厂，负责供给甲、乙、丙、丁四个市场。三个厂每天生产食品箱数上限如下表： 工厂 A B C 生产数 60 40 50 四个市场每天的需求量如下表： 市场 甲 乙 丙 丁 需求量 20 35 33 34 从各厂运到各市场的运输费(元/每箱)由下表给出： 收 点 发 点 市 场 甲 乙 丙 丁 工 厂 A 2 1 3 2 B 1 3 2 1 C 3 4 1 1 求在基本满足供需平衡的约束条件下使总运输费用最小。 建立数学模型： 设ai j为由工厂i运到市场j的费用，xi j 是由工厂i运到市场j的箱数。bi是工厂i的产量，dj是市场j的需求量。 b=
4、 ( 60 40 50 ) d= ( 20 35 33 34 ) s.t x i j0 当我们用MATLAB软件作优化问题时，所有求maxf 的问题化为求min(-f )来作。约束g i (x)0，化为 -g i0来作。 上述实例去掉实际背景，归结出规划问题：目标函数和约束条件都是变量x的线性函数。 形如： (1) min f T X s.t A Xb Aeq X =beq lbXub 其中X为n维未知向量，f T=f1,f2,fn为目标函数系数向量，小于等于约束系数矩阵A为mn矩阵，b为其右端m维列向量，Aeq为等式约束系数矩阵，beq为等式约束右端常数列向量。lb,ub为自变量取值上界与下
5、界约束的n维常数向量。 二线性规划问题求最优解函数： 调用格式： 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, fval, exitflag=linprog() x, fval, exitflag, output=linprog() x, fval, exitflag, output, lambda=lin
6、prog() 说明：x=linprog(f,A,b)返回值x为最优解向量。 x=linprog(f,A,b,Aeq,beq) 作有等式约束的问题。若没有不等式约束，则令A= 、b= 。 x=linprog(f,A,b,Aeq,beq,lb,ub,x0,options) 中lb ,ub为变量x的下界和上界，x0为初值点，options为指定优化参数进行最小化。 Options的参数描述：Display 显示水平。 选择off 不显示输出；选择iter显示每一 步迭代过程的输出；选择final 显示最终结果。 MaxFunEvals 函数评价的最大允许次数 Maxiter 最大允许迭代次数 Tol
7、X x处的终止容限 x,fval=linprog() 左端 fval 返回解x处的目标函数值。 x,fval,exitflag,output,lambda=linprog(f,A,b, Aeq,beq,lb,ub,x0) 的输出部分： exitflag 描述函数计算的退出条件：若为正值，表示目标函数收敛于解x处；若为负值，表示目标函数不收敛；若为零值，表示已经达到函数评价或迭代的最大次数。 output 返回优化信息：output.iterations表示迭代次数；output.algorithm表示所采用的算法；outprt.funcCount表示函数评价次数。 lambda 返回x处的拉格
8、朗日乘子。它有以下属性： lambda.lower-lambda的下界； lambda.upper-lambda的上界； lambda.ineqlin-lambda的线性不等式； lambda.eqlin-lambda的线性等式。 三 举例 例1：求解线性规划问题： max f=2x1+5x2 s.t 先将目标函数转化成最小值问题：min(-f)=- 2x1-5x2 程序： f=-2 -5; A=1 0;0 1;1 2; b=4;3;8; x,fval=linprog(f,A,b) f=fval*(-1) 结果： x = 2 3 fval = -19.0000 maxf = 19 例2：min
9、f=5x1-x2+2x3+3x4-8x5 s.t -2x1+x2-x3+x4-3x56 2x1+x2-x3+4x4+x57 0xj15 j=1,2,3,4,5 程序： f=5 -1 2 3 -8; A=-2 1 -1 1 -3;2 1 -1 4 1; b=6;7; lb=0 0 0 0 0; ub=15 15 15 15 15; x,fval=linprog(f,A,b,lb,ub) 结果：x = 0.0000 0.0000 8.0000 0.0000 15.0000 minf = -104 例3：求解线性规划问题： minf=5x1+x2+2x3+3x4+x5 s.t -2x1+x2-x3+
10、x4-3x51 2x1+3x2-x3+2x4+x5-2 0xj1 j=1,2,3,4,5 程序： f=5 1 2 3 1; A=-2 1 -1 1 -3;2 3 -1 2 1; b=1;-2; lb=0 0 0 0 0; ub=1 1 1 1 1; x,fval,exitflag,output,lambda=linprog(f,A,b,lb,ub) 运行结果： Exiting: One or more of the residuals, duality gap, or total relative error has grown 100000 times greater than its mi
11、nimum value so far: the primal appears to be infeasible (and the dual unbounded). (The dual residual TolFun=1.00e-008.) x = 0.0000 0.0000 1.1987 0.0000 0.0000 fval = 2.3975 exitflag = -1 output = iterations: 7 cgiterations: 0 algorithm: lipsol lambda = ineqlin: 2x1 double eqlin: 0x1 double upper: 5x1 double lower: 5x1 double 显示的信息表明该问题无可行解。所给出的是对约束破坏最小的解。 例4：求解实例1的生产计划问题 建立数学模型： 设x1、x2分别为生产甲、乙产品的件数。f为该厂所获总润。 max f=70x1+120x2 s.t 9x1+4x23600 4x1+5x22000 3x1+10x23000 x1,x20 将其转换为标准形式：
