优化模型:Matlab线性规划

简介: 优化模型:Matlab线性规划

写在前面:

博主本人大学期间参加数学建模竞赛十多余次,获奖等级均在二等奖以上。为了让更多学生在数学建模这条路上少走弯路,故将数学建模常用数学模型算法汇聚于此专栏,希望能够对要参加数学建模比赛的同学们有所帮助。


1.基本原理


一般线性规划问题的数学标准型为


c6a04fe37b48ac7fa846261b12730a3e_d33a38bc6ab74785b9497ac1b3cdc3dc.png


满足约束条件的解,称为可行解,使目标函数达到最大值的可行解称为最优解。所有可行解构成的集合称为问题的可行域。


Matlab中规定线性规划的标准形式为


c3a25d614e77a586d376fa05ac21e856_c8752dca2325407cadfb38233f8f33e2.png


式中:f,x,b,beq,lb,ub为列向量,其中f称为价值向量,b称为资源向量,A,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)


其中:x返回决策向量的取值,fval返回目标函数的最优值,A和b对应线性不等约束;Aeq和beq对应线性等式约束;lb和ub分别对应x的下界向量和上界向量。


2.案例分析


例1 使用Matlab软件求解下列线性规划问题。


173a78ef8959d956ebe64cd4483b0fc9_a6d30e5344d14cacbe352b61869d9b65.png


Matlab代码:


f=[-3;1;1];
a=[1,-2,1;4,-1,-2];
b=[11,-3];
aeq=[-2,0,1];
beq=1;
[x,y]=linprog(f,a,b,aeq,beq,zeros(3,1));
x,y=-y

求解结果为:


x1=4,x2=1,x3=9,z的最大值为2。


例2 一架货机有三个货舱:前舱、中仓和后舱。三个货舱所能装载的货物的最大重量和体积有限制如表5所示。并且为了飞机的平衡,三个货舱装载的货物重量必须与其最大的容许量成比例。


7b91d652157708df7f9c8f599f6f1eec_6194bd78dcf140cfbd7ef6f88c9b01e0.png


现有四类货物用该货机进行装运,货物的规格以及装运后获得的利润如表6所示:


317ac09f32236e6408c5e16798a97df4_2d15608c5ea842698a2f6691da41dd55.png


假设:


(1)每种货物可以无限细分;


(2)每种货物可以分布在一个或者多个货舱内;


(3)不同的货物可以放在同一个货舱内,并且可以保证不留空隙。 问应如何装运,使货机飞行利润最大?


解:用=1,2,3,4分别表示货物1,货物2,货物3和货物4;=1,2,3分别表示前舱、中舱和后舱。设表示第i种货物装在第j个货舱内的重量,分别表示第j个舱的重量限制和体积限制,分别表示可以运输的第i种货物的重量,单位重量所占的空间和单位货物的利润,则目标函数为


3c6f57da2c2f33347295b4f3cc1b26eb_9892d5f5dd114fb994ed1bdce09d475c.png


约束条件为


5e6ebc0aaa0dfff068ad2a8ff4030b89_b651574f9e90410bae49955f085ada05.png


Matlab代码:


clc,clear
c=[3100;3800;3500;2850];
c=c*ones(1,3);
c=c(:);%把矩阵转化成一列
a1=zeros(4,12);
for i=1:4
    a1(i,i:4:12)=1;
end
b1=[18;15;23;12];
a2=zeros(3,12);
for i=1:3
    a2(i,4*i-3:4*i)=1;
end
b2=[10;16;8];
a3=zeros(3,12);
bb=[480;650;580;390];
for j=1:3
    a3(j,4*j-3:4*j)=bb;
end
b3=[6800;8700;5300];
a=[a1;a2;a3];b=[b1;b2;b3];
aeq=zeros(2,12);
aeq(1,1:4)=1/10;
aeq(1,5:8)=-1/16;
aeq(2,5:8)=1/16;
aeq(2,9:12)=-1/8;
beq=zeros(2,1);
[x,y]=linprog(-c,a,b,aeq,beq,zeros(12,1));
x=reshape(x,[4,3])
x=sum(x'),y=-y


利用Matlab求解得到每个货舱存放每种货物的结果如下


2ad1740ab1d0a33b4718452f93ed10c2_3ca2f88a193c4bfdaa8737ce001ad888.png


即四种货物的吨数分别为0t,15t,15.9474t,3.0526t,总利润为121520元。


目录
相关文章
|
7月前
|
存储 传感器 分布式计算
针对大尺度L1范数优化问题的MATLAB工具箱推荐与实现
针对大尺度L1范数优化问题的MATLAB工具箱推荐与实现
|
7月前
|
编解码 运维 算法
【分布式能源选址与定容】光伏、储能双层优化配置接入配电网研究(Matlab代码实现)
【分布式能源选址与定容】光伏、储能双层优化配置接入配电网研究(Matlab代码实现)
568 12
|
7月前
|
机器学习/深度学习 算法 数据可视化
基于MVO多元宇宙优化的DBSCAN聚类算法matlab仿真
本程序基于MATLAB实现MVO优化的DBSCAN聚类算法,通过多元宇宙优化自动搜索最优参数Eps与MinPts,提升聚类精度。对比传统DBSCAN,MVO-DBSCAN有效克服参数依赖问题,适应复杂数据分布,增强鲁棒性,适用于非均匀密度数据集的高效聚类分析。
|
7月前
|
机器学习/深度学习 供应链 算法
【电动车】基于削峰填谷的电动汽车多目标优化调度策略研究(Matlab代码实现)
【电动车】基于削峰填谷的电动汽车多目标优化调度策略研究(Matlab代码实现)
257 0
|
7月前
|
机器学习/深度学习 算法 新能源
基于动态非合作博弈的大规模电动汽车实时优化调度电动汽车决策研究(Matlab代码实现)
基于动态非合作博弈的大规模电动汽车实时优化调度电动汽车决策研究(Matlab代码实现)
195 0
|
7月前
|
机器学习/深度学习 存储 人工智能
基于双层共识控制的直流微电网优化调度(Matlab代码实现)
基于双层共识控制的直流微电网优化调度(Matlab代码实现)
210 0
|
7月前
|
机器学习/深度学习 人工智能 算法
【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法(TTNRBO)优化深度信念网络(DBN)数据回归预测研究(Matlab代码实现)
【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法(TTNRBO)优化深度信念网络(DBN)数据回归预测研究(Matlab代码实现)
289 0
|
7月前
|
机器学习/深度学习 算法 机器人
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
655 0
|
7月前
|
算法 定位技术 计算机视觉
【水下图像增强】基于波长补偿与去雾的水下图像增强研究(Matlab代码实现)
【水下图像增强】基于波长补偿与去雾的水下图像增强研究(Matlab代码实现)
822 0
|
7月前
|
算法 机器人 计算机视觉
【图像处理】水下图像增强的颜色平衡与融合技术研究(Matlab代码实现)
【图像处理】水下图像增强的颜色平衡与融合技术研究(Matlab代码实现)
222 0

热门文章

最新文章