MATLAB实验之线性规划问题求解

运行环境：Windows+MATLAB解决问题：线性规划问题（特定题目）实验简述：MATLAB 可以高效、方便地解决线性规划问题。

线性规划是合理利用、调配资源的一种应用数学的方法。

它的基本思路就是在满足一定的约束条件下,使预定的目标达到最优。

它的研究内容可归纳为两个方面：一是系统的任务已定,如何合理筹划,精细安排，用最少的资源去实现这个任务：二是资源的数量已定,如何利用、分配,使任务完成得最多。

前者是求极小，后者是求极大。

线性规划是在满足企业内、外部的条件下,实现管理目标和极值问题，就是要以尽少的资源输入来实现更多的社会需要的产品的产出。

现在通过专门的数学MATLAB 软件，只要将模型中的目标函数系数、约束条件系数、不等关系输入计算机,就会很快算出结果。

在生活实践中，很多重要的实际问题都是线性的（至少能够用线性函数很好的近似表示），所以我们一般把这些问题化为线性的目标函数和约束条件进行分析，通常将目标函数和约束都是线性表达式的规划问题称为线性规划。

它的一般形式是：),,2,1(0..min 221122222121112121112211n i x b x a x a x a b x a x a x a b x a x a x a t s x c x c x c f i m n mn m m n n n n nn=>=⎪⎪⎩⎪⎪⎨⎧<=+++<=+++<=++++++= 也可以用矩阵形式来表示：0,..min>=<==x b Ax t s x c f T线性规划的可行解是满足约束条件的解；线性规划的最优解是使目标函数达到最优的可行解。

线性规划关于解的情况可以是：1、无可行解，即不存在满足约束条件的解；2、有唯一最优解，即在可行解中有唯一的最有解；3、有无穷最优解，即在可行解中有无穷个解都可使目标函数达到最优；4、有可行解，但由于目标函数值无界而无最优解。

一般求解线性规划的常用方法是单纯形法和改进的单纯形法，这类方法的基本思路是先求得一个可行解，检验是否为最优解；若不是，可用迭代的方法找到另一个更优的可行解，经过有限次迭代后，可以找到可行解中的最优解或者判定无最优解。

应用Matlab 优化工具箱中的linprog 函数求解线性规划时模型要求为如下形式： ⎪⎩⎪⎨⎧≤≤=≤⋅M x x m x dx C b Ax .t .s xc min 其中：M x ,x ,m x 均为列向量，C ,A 为常数矩阵，d ,b ,c '为常数列向量。

函数调用格式如下：);xM ,xm ,d ,C ,b ,A ,c (linprog ]z ,x [= %决策变量有上下界，默认变量非负。

例1-38 用Matlab 求解下面线性规划问题1212121212max 1502102310034120..55150,0z x x x x x x s t x x x x =++≤⎧⎪+≤⎪⎨+≤⎪⎪≥⎩令z1= -zMATLAB 求解程序存为liti2.mc=[-150,-210];A=[2,3;3,4;5,5];b=[100;120;150];C=[];d=[];xm=[0;0];xM=10^10*[1;1];[x,z1]=linprog(c,A,b,C,d,xm,xM)Optimization terminated.在命令窗口键入liti2.m,按回车得最优解和最优值x =0.000030.0000z1 =-6.3000e+003故最优解为 x 1=0,x 2=30; 最优值为z=-z1=6300.通常在LINGO 中建立优化模型由MODEL 语句开始，由END 语句结束。

模型中包含四部分（即四段）：集合（SETS ）、数据段（DATA ）、初始段（INIT ）、目标和约束段。

(1) 集合段： 它是以 SETS 开始,ENDSETS 结束,其作用是定义所用集合变量及元素(数组的下标)，以及相应的属性（数组）。

(2) 数据段：它是以 DA TA 开始,ENDDATA 结束，其作用是对集合段中定义的属性（数组）赋值（常数）。

数据之间用逗号分开或用空格分开。

(3) 初始段：它是以INIT 开始,ENDINTI 结束，其作用是对集合段中定义的属性（变量数组）赋迭代初值。

Matlab求解线性规划和整数规划问题Matlab是一种强大的数值计算和科学计算软件，可以用于求解各种数学问题，包括线性规划和整数规划问题。

本文将详细介绍如何使用Matlab来求解线性规划和整数规划问题。

一、线性规划问题的求解线性规划是一种优化问题，旨在找到一组变量的最佳值，以使线性目标函数在一组线性约束条件下最大或者最小化。

下面以一个简单的线性规划问题为例来说明如何使用Matlab求解。

假设有以下线性规划问题：最大化目标函数：Z = 3x + 5y约束条件：2x + y ≤ 10x + 3y ≤ 15x, y ≥ 01. 创建线性规划模型在Matlab中，可以使用linprog函数来创建线性规划模型。

首先，定义目标函数的系数向量c和不等式约束条件的系数矩阵A以及不等式约束条件的右侧常数向量b。

c = [-3; -5];A = [2, 1; 1, 3];b = [10; 15];2. 求解线性规划问题然后，使用linprog函数求解线性规划问题。

该函数的输入参数为目标函数的系数向量c、不等式约束条件的系数矩阵A、不等式约束条件的右侧常数向量b以及变量的下界和上界。

lb = [0; 0];ub = [];[x, fval, exitflag] = linprog(c, A, b, [], [], lb, ub);其中，x是最优解向量，fval是最优解对应的目标函数值，exitflag是求解器的退出标志。

3. 结果分析最后，打印出最优解向量x和最优解对应的目标函数值fval。

disp('最优解向量x：');disp(x);disp('最优解对应的目标函数值fval：');disp(fval);二、整数规划问题的求解整数规划是一种优化问题，与线性规划类似，但是变量的取值限制为整数。

Matlab提供了intlinprog函数来求解整数规划问题。

下面以一个简单的整数规划问题为例来说明如何使用Matlab求解。

Matlab求解线性规划和整数规划问题线性规划是一种数学优化问题，通过线性函数的最大化或者最小化来实现目标函数的优化。

整数规划是线性规划的一种特殊情况，其中变量被限制为整数值。

在Matlab中，我们可以使用优化工具箱中的函数来求解线性规划和整数规划问题。

下面将详细介绍如何使用Matlab来求解这些问题。

1. 线性规划问题的求解首先，我们需要定义线性规划问题的目标函数、约束条件和变量范围。

然后，我们可以使用linprog函数来求解线性规划问题。

例如，考虑以下线性规划问题：目标函数：最大化 2x1 + 3x2约束条件：x1 + x2 <= 10x1 - x2 >= 2x1, x2 >= 0在Matlab中，可以按照以下步骤求解该线性规划问题：1. 定义目标函数的系数向量c和约束矩阵A，以及约束条件的右侧向量b。

c = [2; 3];A = [1, 1; -1, 1];b = [10; -2];2. 定义变量的上下界向量lb和ub。

lb = [0; 0];ub = [];3. 使用linprog函数求解线性规划问题。

[x, fval] = linprog(-c, A, b, [], [], lb, ub);运行以上代码后，可以得到最优解x和目标函数的最优值fval。

2. 整数规划问题的求解对于整数规划问题，我们可以使用intlinprog函数来求解。

与线性规划问题类似，我们需要定义整数规划问题的目标函数、约束条件和变量范围。

然后，使用intlinprog函数求解整数规划问题。

例如，考虑以下整数规划问题：目标函数：最小化 3x1 + 4x2约束条件：2x1 + 5x2 >= 10x1, x2为非负整数在Matlab中，可以按照以下步骤求解该整数规划问题：1. 定义目标函数的系数向量f和约束矩阵A，以及约束条件的右侧向量b。

f = [3; 4];A = [-2, -5];b = [-10];2. 定义变量的整数约束向量intcon。

线性规划问题线性规划问题是目标函数和约束条件均为线性函数的问题，MATLAB6.0解决的线性规划问题的标准形式为：min f(x) x属于Rsub.to： A*x&lt;=b;Aeq*x=beq;lb&lt;=x&lt;=ub;其中f、x、b、beq、lb、ub为向量，A、Aeq为矩阵。

其它形式的线性规划问题都可经过适当变换化为此标准形式。

在MATLAB6.0版中，线性规划问题（Linear Programming）已用函数linprog取代了MATLAB5.x版中的lp函数。

当然，由于版本的向下兼容性，一般说来，低版本中的函数在6.0版中仍可使用。

函数linprog格式x = linprog(f,A,b)%求min f &#39; *x sub.to线性规划的最优解。

x = linprog(f,A,b,Aeq,beq)%等式约束，若没有不等式约束，则A=[ ]，b=[ ]。

x = linprog(f,A,b,Aeq,beq,lb,ub)%指定x的范围，若没有等式约束，则Aeq=[ ]，beq=[ ]x = linprog(f,A,b,Aeq,beq,lb,ub,x0)%设置初值x0x = linprog(f,A,b,Aeq,beq,lb,ub,x0,options) % options为指定的优化参数[x,fval] = linprog(…)% 返回目标函数最优值，即fval= f &#39; *x。

[x,lambda,exitflag] = linprog(…)% lambda为解x的Lagrange乘子。

[x, lambda,fval,exitflag] = linprog(…)% exitflag为终止迭代的错误条件。

[x,fval, lambda,exitflag,output] = linprog(…)% output为关于优化的一些信息说明若exitflag&gt;0表示函数收敛于解x，exitflag=0表示超过函数估值或迭代的最大数字，exitflag&lt;0表示函数不收敛于解x；若lambda=lower 表示下界lb，lambda=upper表示上界ub，lambda=ineqlin表示不等式约束，lambda=eqlin表示等式约束，lambda中的非0元素表示对应的约束是有效约束；output=iterations表示迭代次数，output=algorithm表示使用的运算规则，output=cgiterations表示PCG迭代次数。

§ 15.利用Matlab求解线性规划问题线性规划是一种优化方法，Mat lab优化工具箱中有现成函数linprog对如下式描述的LP问题求解：% min f' x% s・t・(约束条件)：Ax<=b% (等式约束条件)：Aeqx=beq% lb<=x<=ub1 inprog函数的调用格式如下：x=l inprog (f, A, b)x=l inprog (f, A, b, Aeq, beq)x=l inprog (f, A, b, Aeq, beq, lb, ub)x=l inprog (f, A, b, Aeq, beq, lb, ub, xO)x=l inprog (f, A, b, Aeq, beq, lb, ub, xO, opt io ns)[x, fval]=linprog(--)[x, fval, exitflag]=linprog(…)[x, fval, exitf lag, out put ]=1 inprog (…)[x, fvalj exitflag, output, lambda] =1 inprog (…)其中：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A=[ ]、b=[ ] ox=linprog (f, A, b, Aeq, beq, lb, ub, xO, options)中]b , ub 为变量x 的下界和上界，xO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Max it er最大允许迭代次数TolX x处的终止容限[x, fval]=linprog(•••)左端fval返回解x处的目标函数值。

084实验报告1、实验目的：（1)学会用matlab软件解决线性规划问题的最优值求解问题。

（2）学会将实际问题归结为线性规划问题用MATLAB软件建立恰当的数学模型来求解。

（3）学会用最小二乘法进行数据拟合。

（4）学会用MATLAB提供的拟合方法解决实际问题。

2、实验要求：（1）按照正确格式用MATLAB软件解决课本第9页1.1、1.3，第100页5.1、5.3这几个问题，完成实验内容。

（2）写出相应的MATLAB程序。

（3）给出实验结果。

（4）对实验结果进行分析讨论。

（5）写出相应的实验报告。

3、实验步骤：（1)、对于习题1.1:a.将该线性规划问题首先化成MATLAB标准型b．用MATLAB软件编写正确求解程序：程序如下:c=[3,-1,-1];a=[4,-1,-2;1,-2,1]; b=[-3;11]aeq=[-2,0,1]; beq=1;[x,y]=linprog(-c,a,b,aeq,beq,zeros(3,1))x,y=-y（2)、对于习题1.3:a.建立适当的线性规划模型：对产品I 来说，设以A1，A2完成A 工序的产品分别为x 1，x 2件，转入B 工序时，以B1，B2，B3完成B 工序的产品分别为x 3，x 4，x 5件；对产品II 来说，设以A1，A2完成A 工序的产品分别为x 6，x 7件，转入B 工序时，以B1完成B 工序的产品为x 8件；对产品III 来说，设以A2完成A 工序的产品为x 9件，则以B2完成B 工序的产品也为x 9件。

由上述条件可得x 1+x 2=x 3+x 4+x 5， x 6+x 7=x 8.由题目所给的数据可建立如下的线性规划模型：Min z =(1.25-0.25)( x 1+x 2)+(2-0.35) x 8+(2.8-0.5) x 9-3006000(5x 1+10x 6)-32110000(7x 2+9x 7+12x 9)- 2504000(6x 3+8x 8)-7837000 (4x 4+11x 9)-2004000⨯7x 5s.t.{ 5x 1+10x 6≤60007x 2+9x 7+12x 9≤100006x 3+8x 8≤40004x 4+11x 9≤70007x 5≤4000x 1+x 2=x 3+x 4+x 5 x 6+x 7=x 8x i ≥0,i =1,2,3,…9 b.运用MATLAB 软件编写程序求解：程序如下：c=[0.75,1-(321*7*0.0001),-16*6,(-783*4)/7000,-7/20,-0.5,-321*9*0.0001,1.15,2.3-(321*12*0.0001-(783*11)/7000)]; a=[-5,0,0,0,0,-10,0,0,0;0,-7,0,0,0,0,-9,0,-12;0,0,-6,0,0,0,0,-8,0;0,0,0,-4,0,0,0,0,-11;0,0,0,0,-7,0,0,0,0]; b=[-6000;-10000;-4000;-7000;-4000];aeq=[1,1,-1,-1,-1,0,0,0,0;0,0,0,0,0,1,1,-1,0];beq=[0;0];[x,y]=linprog(c,a,b,aeq,beq,zeros(3,1))（3)、对于习题5.1:用MATLAB中的三次函数，二次函数，四次函数进行数据拟合，然后与原来结果进行比较。

用m a t l a b求解线性规划问题Company number：【0089WT-8898YT-W8CCB-BUUT-202108】实验四 用M A T L A B 求解线性规划问题一、实验目的： 了解Matlab 的优化工具箱，能利用Matlab 求解线性规划问题。

二、实验内容：线性规划的数学模型有各种不同的形式，其一般形式可以写为：目标函数： n n x f x f x f z +++= 2211m in约束条件： s n sn s s n n b x a x a x a b x a x a x a ≤+++≤+++221111212111这里nn x f x f x f z +++= 2211称为目标函数，j f 称为价值系数，T n f f f f ),,,(21 =称为价值向量，j x 为求解的变量，由系数ij a 组成的矩阵 称为不等式约束矩阵，由系数ij c 组成的矩阵 称为等式约束矩阵，列向量T n b b b b ),,,(21 =和T n d d d d ),,,(21 =为右端向量，条件0≥j x 称为非负约束。

一个向量Tn x x x x ),,,(21 =，满足约束条件，称为可行解或可行点，所有可行点的集合称为可行区域，达到目标函数值最大的可行解称为该线性规划的最优解，相应的目标函数值称为最优目标函数值，简称最优值。

我们这里介绍利用Matlab 来求解线性规划问题的求解。

在Matlab 中有一个专门的函数linprog()来解决这类问题，我们知道，极值有最大和最小两种，但求z 的极大就是求z -的极小，因此在Matlab 中以求极小为标准形式，函数linprog()的具体格式如下：X=linprog(f,A,b)[X,fval,exitflag,ouyput,lamnda]=linprog(f,A,b,Aeq,Beq,LB,UB,X0,options)这里X 是问题的解向量，f 是由目标函数的系数构成的向量，A 是一个矩阵，b 是一个向量，A ，b 和变量x={x1,x2,…,xn}一起，表示了线性规划中不等式约束条件，A ，b 是系数矩阵和右端向量。