2020年中国大学生数学建模竞赛备赛（一）
第一章 线性规划
数学规划问题通常由3部分组成：约束条件、决策变量和目标函数。
其中约束条件前面多用：s.t.（subject to）表示；决策变量代表要研究的最优方案的解，目标函数通常是最大或者最小（min or max）。
1.1 线性规划问题
线性规划（Linear Programming,LP），是运筹学中数学规划的一个重要分支。当目标函数和约束条件均为线性函数时，该问题是LP问题。
所谓可行解：是满足约束条件的解；而既满足目标函数又符合约束条件的解称为：最优解；
1.2 线性规划的MATLAB求解
其中： f , x , b , b e q , l b , u b f,x,b,beq,lb,ub f,x,b,beq,lb,ub为列向量； A , A e q A,Aeq A,Aeq为矩阵。
[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返回是决策变量的取值，fval是目标函数的最优值；
而对于最大型规划问题，可以采用对目标函数和约束变量取反来变换为最小值（相当于关于x轴对称）
例如：
m a x , c T x , s . t . A x > = b max,c^Tx, s.t. Ax>=b max,cTx,s.t.Ax>=b
m i n , − c T x , s . t . − A x < = − b min,-c^Tx, s.t. -Ax<=-b min,−cTx,s.t.−Ax<=−b
参考文献：
[1]司守奎，孙玺菁. 数学建模算法与应用. 北京：国防工业出版社，2011.