数学规划模型总结（附MatLab代码）

概述
- 定义
- 一般形式
- 分类
线性规划(linear programming)
非线性规划(nonlinear programming)
整数规划(integer programming)
0-1规划(0-1 programming)
最大最小化模型
多目标规划模型
- 敏感性分析（对权重）
- 多目标规划+敏感性分析举例
典型例题
- 例题一：护士排班问题
- - MatLab代码
  - MatLab输出
- 例题二：货机装货问题
- - MatLab代码
  - MatLab输出
- 例题三：非线性规划最值问题
- - MatLab代码
  - MatLab输出
- 例题四：覆盖问题
- - MatLab代码
  - MatLab输出

概述

定义

数学规划是统筹学的一个分支，用来研究：在给定条件下（约束条件），如何按照某一行衡量指标（目标函数）来寻求计划、管理工作中的最优方案。

通俗的讲，就是求目标函数在一定约束条件下的极值问题。

一般形式

min（或max）：z = f(x)
x：决策变量（一般有多个自变量）
f(x)：目标函数
不等式约束、等式约束、整数约束：约束条件

线性规划(linear programming)

目标函数f(x) 和约束条件均是决策变量的线性表达式。

[x fval] = linprog(c, A, b, Aeq, beq, lb,ub, x0)  % X是向量[x1,x2,...xn]' , 即决策变量。（列向量）
% fval 为 function value。
% c是目标函数的系数向量（列向量）
% A是线性不等式约束 Ax<=b 的系数矩阵，b是线性不等式约束 Ax<=b 的常数项（列向量）
% Aeq是线性等式约束 Aeq*x = beq 的系数矩阵，beq是线性等式约束 Aeq*x=beq 的常数项
% lb是X的下限，ub是X的上限。（列向量）
% x0为迭代的初始值（一般不用给）。

注：linprog函数只能求解最小值问题，最大值问题要在目标函数前加负号，转化为最小值问题，将结果 fval = - fval 即可。

非线性规划(nonlinear programming)

目标函数f(x) 和约束条件中存在决策变量的非线性表达式。

注：解决起来比线性规划困难，目前没有通用的算法，大多数算法都是在选定决策变量的初始之后通过一定的收索方法寻求最优的决策变量。

[x,fval] = fmincon(@fun,x0,A,b,Aeq,beq,lb,ub,@nonlfun,option)% x0表示给定的初始值（用行向量或者列向量表示），必须得写
% A b表示线性不等式约束
% Aeq beq 表示线性等式约束
% lb ub 表示上下界约束  lb表示下界 ub表示上界% @fun表示目标函数
function f = fun1(x)f = -x(1)^2-x(2)^2 +x(1)*x(2)+2*x(1)+5*x(2);
end% 这里的f实际上就是目标函数，函数的返回值也是f% 输入值x实际上就是决策变量，由x1和x2组成的向量% @nonlfun表示非线性约束的函数
function [c, ceq] = mynonlfun1(x)c = [(x(1)-1)^2 - x(2)];     % 默认非线性不等式约束为 ≤ 0ceq = [x(1)^2 - x(2)];      % 默认非线性等式约束为 ＝ 0
end% option 表示求解非线性规划使用的方法
% 使用interior point算法 （内点法）
option = optimoptions('fmincon','Algorithm','interior-point')
% 使用SQP算法 （序列二次规划法）
option = optimoptions('fmincon','Algorithm','sqp')
% 使用active set算法 （有效集法）
option = optimoptions('fmincon','Algorithm','active-set')
% 使用trust region reflective (信赖域反射算法)
option = optimoptions('fmincon','Algorithm','trust-region-reflective')

整数规划(integer programming)

存在变量要求取整数值的数学规则，分为 线性整数规划 和 非线性整数规划 。

注：目前所流行的求解整数规划的算法往往只适用于线性整数规划。

[x,fval] = intlinprog(c,intcon,A,b,Aeq,beq,lb,ub)% Matlab线性整数规划求解
% intcon 参数可以指定哪些决策变量是整数（行向量）。

0-1规划(0-1 programming)

整数规划的特例，整数变量的取值只能为0和1。

[x,fval] = intlinprog(c,intcon,A,b,Aeq,beq,lb,ub)% 仍然使用线性整数规划的 intlinprog 函数，只不过在lb和ub上做文章。
% 0-1变量的 lb = 0, ub = 1。

最大最小化模型

在最不利的的条件下，寻求最有利的策略。

[x,feval] = fminimax(@Fun,x0,A,b,Aeg,beg,lb,ub,@nonlfun,option)
max(feval)% 目标函数 Fun 用一个函数向量表示
% 其他变量与非线性规划相同

多目标规划模型

一个规划问题中有多个目标。

解决方案：对多目标函数进行加权组合将问题变为单目标规划。

[x fval] = linprog(c, A, b, Aeq, beq, lb,ub, x0) % 仍然使用线性规划的 linprog 函数
% c 中系数乘上了相应权重，并除以某一个常数（做标准化）

注：

多个目标函数统一为最大化或最小化问题后才可以进行加权组合。
如果目标函数量纲不相同，则需要对其进行标准化后再进行加权。标准化的方法一般是由目标函数除以某一个常数，该常数是指目标函数某个取值具体取值可根据经验确定。
对多目标函数进行加权求和时，权重需要由该问题领域的专家给定。实际建模比赛中若无特殊要求我们可另权重相同。

敏感性分析（对权重）

通过逐一改变相关变量数值的方法来解释关键指标受这些因素变动影响大小规律。

多目标规划+敏感性分析举例

%%  多目标规划
w1 = 0.4;  w2 = 0.6;  % 两个目标函数的权重  x1 = 5  x2 = 2
% w1 = 0.5;  w2 = 0.5;  % 两个目标函数的权重  x1 = 5  x2 = 2
% w1 = 0.3;  w2 = 0.7;  % 两个目标函数的权重  x1 = 1  x2 = 6
c = [w1/30*2+w2/2*0.4 ;w1/30*5+w2/2*0.3];  % 线性规划目标函数的系数
A = [-1 -1];  b = -7; % 不等式约束
lb = [0 0]'; ub = [5 6]'; % 上下界
[x,fval] = linprog(c,A,b,[],[],lb,ub) % 求解线性规划时使用 —— 目标函数和约束条件都是线性的
f1 = 2*x(1)+5*x(2)
f2 = 0.4*x(1) + 0.3*x(2)%% 敏感性分析
clear;clc
W1 = 0.1:0.001:0.5;  W2 = 1- W1;
n =length(W1);
F1 = zeros(n,1);  F2 = zeros(n,1);   X1 = zeros(n,1);  X2 = zeros(n,1);   FVAL = zeros(n,1);
A = [-1 -1];  b = -7; % 不等式约束
lb = [0 0]; ub = [5 6]; % 上下界
for i = 1:nw1 = W1(i);  w2 = W2(i);c = [w1/30*2+w2/2*0.4 ;w1/30*5+w2/2*0.3];  % 线性规划目标函数的系数[x,fval] = linprog(c,A,b,[],[],lb,ub);F1(i) = 2*x(1)+5*x(2);F2(i) = 0.4*x(1) + 0.3*x(2);X1(i) = x(1);X2(i) = x(2);FVAL(i) = fval;
end% 「Matlab」“LaTex字符汇总”讲解：https://blog.csdn.net/Robot_Starscream/article/details/89386748
% 在图上可以加上数据游标，按住Alt加鼠标左键可以设置多个数据游标出来。
figure(1)
plot(W1,F1,W1,F2)
xlabel('f_{1}的权重')
ylabel('f_{1}和f_{2}的取值')
legend('f_{1}','f_{2}')figure(2)
plot(W1,X1,W1,X2)
xlabel('f_{1}的权重')
ylabel('x_{1}和x_{2}的取值')
legend('x_{1}','x_{2}')figure(3)
plot(W1,FVAL)  % 看起来是两个直线组合起来的下半部分
xlabel('f_{1}的权重')
ylabel('综合指标的值')

典型例题

例题一：护士排班问题

MatLab代码

%% 分析问题为 整数规划 问题
clear;clc
c = ones(6,1);
intcon = 1:6;
A = -[ 1 0 0 0 0 1;1 1 0 0 0 0;0 1 1 0 0 0;0 0 1 1 0 0;0 0 0 1 1 0;0 0 0 0 1 1 ];
b = -[60; 70; 60; 50; 20; 30];
lb = zeros(6, 1);
[x,fval] = intlinprog(c,intcon,A,b,[],[],lb);
disp('班次安排：');
disp(x');
disp([ '护士总数：',num2str(fval)]);

MatLab输出

班次安排：60    10    50     0    30     0护士总数：150

例题二：货机装货问题

MatLab代码

%% 分析问题为 线性规划 问题% 决策变量：xij为将第i个货物装到第j个舱里的吨数；
% 转化前：x11 x12 x13 x21 x22 …… x42 x43
% 转化后：x1  x2  x3  x4  x5  …… x11 x12
% 二维变量一维化，方便后续处理% 货舱体积限制的线性不等式约束
clear;clc
format long g   %可以将Matlab的计算结果显示为一般的长数字格式（默认会保留四位小数，或使用科学计数法）
A_v = [ eye(3) * 480 eye(3) * 650 eye(3) * 580 eye(3) * 390]; % eye(n) 表示生成n*n的单位阵
b_v = [ 6800; 8700; 5300];% 货舱重量限制的线性不等式约束
A_w1 = [ eye(3) eye(3) eye(3) eye(3)];
b_w1 = [ 10; 16; 18];
% 货物重量限制的线性不等式约束
A_w2 = [ ones(1, 3) zeros(1, 9);zeros(1, 3) ones(1, 3) zeros(1, 6);zeros(1, 6) ones(1, 3) zeros(1, 3);zeros(1, 9) ones(1, 3)];
b_w2 = [ 18; 15; 23; 12];
% 汇总线性不等式约束
A = [A_v; A_w1; A_w2];
b = [b_v; b_w1; b_w2];% 每个货舱装载物比例等式约束
Aeq_1 = repmat([1 0 0], 1, 4) / 10 - repmat([0 1 0], 1, 4) / 16; % 货舱一和货舱二重量成比例
Aeq_2 = repmat([1 0 0], 1, 4) / 10 - repmat([0 0 1], 1, 4) / 8; % 货舱一和货舱三重量成比例
Aeq = [Aeq_1; Aeq_2];
beq = zeros(2, 1)% 计算飞机利润的系数矩阵
c = -[ones(3, 1) * 3100; ones(3, 1) * 3800; ones(3, 1) * 3500; ones(3, 1) * 2850];
% 每次装运最小值为0
lb = zeros(12, 1);
[x, fval] = linprog(c, A, b, Aeq, beq, lb);
fval = -fval;
% 对 x 做变形转置处理，输出结果
x = reshape(x, 3, 4)';
disp('装运方式：（行为货物，列为货舱）');
disp(x);
disp(['最大飞行利润', num2str(fval)]);

MatLab输出

装运方式：（行为货物，列为货舱）0                         0                         010                         0                         50          12.9473684210526                         30          3.05263157894737                         0最大飞行利润121515.7895

例题三：非线性规划最值问题

MatLab代码

%% mainCode部分
clc;clear
format long g   %可以将Matlab的计算结果显示为一般的长数字格式（默认会保留四位小数，或使用科学计数法）% 给定初始值，此处可以使用蒙特卡洛模拟给定初始值。
x0 = [1 1 1];
% 线性不等式约束
A = [-1 -2 0];
b = 1;
% 决策变量范围约束
lb = [0 -inf -inf];
% 调用函数求解
[x,fval] = fmincon(@fun,x0,A,b,[],[],lb,[],@nonlfun);
fval = -fval

%% fun函数部分
function f = fun(x)f = 2 * x(1) + 3 * x(1)^2 + 3 * x(2) + x(2)^2 + x(3);f = -f; % 最大值问题转化为最小值问题
end

%% nonlfun函数部分
function [c, ceq] = nonlfun(x)% 非线性不等式约束c = [x(1) + 2 * x(1)^2 + x(2) + 2 * x(2)^2 + x(3) - 10;x(1) + x(1)^2 + x(2) + x(2)^2 - x(3) - 50;2 * x(1) + x(1)^2 + 2 * x(2) + x(3) - 40;];% 非线性等式约束   ceq = x(1)^2 + x(3) - 2;
end

MatLab输出

x =2.33333286682278         0.166667730107356         -3.44444226075484
fval =18.0833315976581

例题四：覆盖问题

MatLab代码

%% 分析问题为 0-1规划 问题
clc;clear
c = ones(6, 1); % 目标函数的系数矩阵
intcon = (1:6); % 整数的位置为1-6
% 保证每一个小区被覆盖的次数 ≥ 1
A = -[1 1 1 0 0 0; % 只有B1 B2 B3 能覆盖A10 1 0 1 0 0;0 0 1 0 1 0;0 0 0 1 0 1;1 1 1 0 0 0;0 0 0 0 1 1;1 0 0 0 0 0;0 1 0 1 0 1;];
b = -ones(8, 1);
% 通过上下限，构建 0-1 分布
lb = zeros(6, 1);
ub = ones(6, 1);
% 调用intlinprog()函数求最优解
[x,fval] = intlinprog(c,intcon,A,b,[],[],lb,ub);
disp('建校方案为：');
for i = 1:6if(x(i)) == 1disp(['B', num2str(i)]);end
end
disp([ '最小建校地址数目：', num2str(fval)]);

MatLab输出

建校方案为：
B1
B4
B5
最小建校地址数目：3

数学规划模型总结（附MatLab代码）相关推荐

扩展卡尔曼滤波（EKF）估计SOC代码2详解，基于二阶RC模型（附MATLAB代码）
上次分享了一个扩展卡尔曼滤波估计SOC的代码,得到了很多小伙伴的支持,今天再分享一个很好用的扩展卡尔曼滤波估计SOC的程序.使用MATLAB语言完成程序的编写. 有关EKF的推导及原理请看我写的另一个 ...
【路径规划】基于遗传算法实现外卖订单动态变换模型求解附matlab代码
1 内容介绍前瞻产业研究院发布的<中国在线外卖商业模式与投资战略规划分析报告>统计数据显示,2015-2018年中国在线外卖收入年均增速约为117.5%,是传统餐饮业的12.1倍,我国在 ...
【无人机协同】多无人机协同任务规划模型研究附matlab代码
✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信.
MATLAB算法实战应用案例精讲-【人工智能】枝晶生长模型（附matlab代码实现）
目录前言算法原理算法思想数学表达式枝晶生长相场模拟相场方法
优化切尔诺贝利灾难模型——附matlab代码
优化切尔诺贝利灾难模型--附matlab代码切尔诺贝利核电站事故是人类历史上最严重的核事故之一,对环境和人类健康造成了极大的影响.针对这样的事故,科学家们开发了许多模型用于预测和优化应对措施.本文将 ...
鲸鱼算法优化PID参数优化附matlab代码
第一章鲸鱼优化算法算法介绍参考文献:Seyedali Mirjalili,Andrew Lewis. The Whale Optimization Algorithm[J]. Advances ...
材料力学求解器-刚架与桁架杆系的计算机求解（附matlab代码）
材料力学求解器-刚架与桁架杆系的计算机求解(附matlab代码) 1 刚架的计算机求解 1.1位移法与刚度矩阵 1.2 matlab程序 2 桁架的计算机求解材料力学是一门非常成熟的学科,里面有大量 ...
基于YOLOv4的目标检测系统（附MATLAB代码+GUI实现）
摘要:本文介绍了一种MATLAB实现的目标检测系统代码,采用 YOLOv4 检测网络作为核心模型,用于训练和检测各种任务下的目标,并在GUI界面中对各种目标检测结果可视化.文章详细介绍了YOLOv4的 ...
格子玻尔兹曼流体代码_格子玻尔兹曼方法（LBM）学习：对流-扩散问题（附MATLAB代码）...
(๑❛ᴗ❛๑) 麻烦各位读者收藏之余点个喜欢或赞呢,咱也更有干劲了~ OrzSunspot:格子玻尔兹曼方法(LBM)学习:等温不可压缩流体流动问题(附MATLAB代码)zhuanlan.zhihu ...

数学规划模型总结（附MatLab代码）

数学规划模型总结（附MatLab代码）

概述

定义

一般形式

分类

线性规划(linear programming)

非线性规划(nonlinear programming)

整数规划(integer programming)

0-1规划(0-1 programming)

最大最小化模型

多目标规划模型

敏感性分析（对权重）

多目标规划+敏感性分析举例

典型例题

例题一：护士排班问题

MatLab代码

MatLab输出

例题二：货机装货问题

MatLab代码

MatLab输出

例题三：非线性规划最值问题

MatLab代码

MatLab输出

例题四：覆盖问题

MatLab代码

MatLab输出

数学规划模型总结（附MatLab代码）相关推荐

最新文章

热门文章