✅作者简介:人工智能专业本科在读,喜欢计算机与编程,写博客记录自己的学习历程。
个人主页:小嗷犬的个人主页
个人网站:小嗷犬的技术小站
个人信条:为天地立心,为生民立命,为往圣继绝学,为万世开太平。
线性规划问题是指在一组线性不等式约束条件下,求解一个线性目标函数的最大值或最小值的问题。
常见的线性规划问题通常类似于以下形式:
max Z = 4000 x 1 + 3000 x 2 \begin{equation} \max \quad Z=4000 x_{1}+3000 x_{2} \end{equation} maxZ=4000x1+3000x2
s.t. { 2 x 1 + x 2 ≤ 10 x 1 + x 2 ≤ 8 x 2 ≤ 7 x 1 , x 2 ≥ 0 \begin{equation} \text { s.t. } \left\{ \begin{array}{c} 2 x_{1}+x_{2} \leq 10 \\ x_{1}+x_{2} \leq 8 \\ x_{2} \leq 7 \\ x_{1}, x_{2} \geq 0 \end{array} \right. \end{equation} s.t. ⎩ ⎨ ⎧2x1+x2≤10x1+x2≤8x2≤7x1,x2≥0
其中,公式1为目标函数,公式2为约束条件。
为了便于求解,我们可以将公式1和公式2分别写成矩阵形式:
max Z = [ 4000 3000 ] ⋅ [ x 1 x 2 ] \begin{equation} \max \quad Z=\begin{bmatrix} 4000 & 3000 \end{bmatrix} \cdot \begin{bmatrix} x_{1} \\ x_{2} \end{bmatrix} \end{equation} maxZ=[40003000]⋅[x1x2]
s.t. { [ 2 1 1 1 0 1 ] ⋅ [ x 1 x 2 ] ≤ [ 10 8 7 ] x 1 , x 2 ≥ 0 \begin{equation} \text { s.t. } \left\{ \begin{array}{c} \begin{bmatrix} 2 & 1 \\ 1 & 1 \\ 0 & 1 \end{bmatrix} \cdot \begin{bmatrix} x_{1} \\ x_{2} \end{bmatrix} \leq \begin{bmatrix} 10 \\ 8 \\ 7 \end{bmatrix} \\ x_{1}, x_{2} \geq 0 \end{array} \right. \end{equation} s.t. ⎩ ⎨ ⎧ 210111 ⋅[x1x2]≤ 1087 x1,x2≥0
为了统一最大目标函数问题和最小目标函数问题,我们将目标函数的符号取反,即:
min − Z = [ − 4000 − 3000 ] ⋅ [ x 1 x 2 ] \begin{equation} \min \quad -Z=\begin{bmatrix} -4000 & -3000 \end{bmatrix} \cdot \begin{bmatrix} x_{1} \\ x_{2} \end{bmatrix} \end{equation} min−Z=[−4000−3000]⋅[x1x2]
公式5和公式4这种形式就满足 MATLAB 线性规划的标准形式:
min x f T x such that { A ⋅ x ≤ b , A e q ⋅ x = b e q , l b ≤ x ≤ u b \min _{x} f^{T} x \text { such that } \left\{ \begin{array}{c} A \cdot x \leq b, \\ { Aeq } \cdot x={ beq }, \\ l b \leq x \leq u b \end{array} \right. xminfTx such that ⎩ ⎨ ⎧A⋅x≤b,Aeq⋅x=beq,lb≤x≤ub
其中, f T x f^{T}x fTx为目标函数, A A A为约束条件的系数矩阵, b b b为约束条件的常数项, A e q {Aeq} Aeq为等式约束条件的系数矩阵, b e q {beq} beq为等式约束条件的常数项, l b {lb} lb为变量的下界, u b {ub} ub为变量的上界。
问题转换成标准形式后,我们就可以使用 MATLAB 的 linprog
函数来求解了。
linprog
函数的语法为:
[x,fval] = linprog(f,A,b,Aeq,beq,lb,ub)
其中, x x x为求解得到的最优解, f v a l {fval} fval为最优解对应的目标函数值。
最开始的问题就可以用以下代码解决:
f = [-4000 -3000];
A = [2 1; 1 1; 0 1];
b = [10; 8; 7];
lb = [0; 0];
[x, fval] = linprog(f, A, b, [], [], lb, []);
fval = -fval; % 因为目标函数取反了,所以这里要取反
最后得出的结果为:
x =
2.0000
6.0000
fval =
26000
让我们运用上文的方法求解以下线性规划问题:
max Z = 2 x 1 + 3 x 2 + 4 x 3 \begin{equation} \max \quad Z=2 x_{1}+3 x_{2} + 4 x_{3} \end{equation} maxZ=2x1+3x2+4x3
s.t. { 2 x 1 + x 2 + 3 x 3 ≤ 36 x 1 + x 2 ≥ 8 x 1 + x 3 ≥ 10 x 1 + x 2 − x 3 = 4 x 1 , x 2 , x 3 ≥ 0 \begin{equation} \text { s.t. } \left\{ \begin{array}{c} 2 x_{1}+x_{2}+3x_{3} \leq 36 \\ x_{1}+x_{2} \geq 8 \\ x_{1}+x_{3} \geq 10 \\ x_{1}+x_{2}-x_{3} = 4 \\ x_{1}, x_{2}, x_{3} \geq 0 \end{array} \right. \end{equation} s.t. ⎩ ⎨ ⎧2x1+x2+3x3≤36x1+x2≥8x1+x3≥10x1+x2−x3=4x1,x2,x3≥0
首先,我们将问题转换成标准形式:
min − Z = − [ − 2 − 3 − 4 ] ⋅ [ x 1 x 2 x 3 ] \begin{equation} \min \quad -Z=-\begin{bmatrix} -2 & -3 & -4 \end{bmatrix} \cdot \begin{bmatrix} x_{1} \\ x_{2} \\ x_{3} \end{bmatrix} \end{equation} min−Z=−[−2−3−4]⋅ x1x2x3
s.t. { [ 2 1 3 − 1 − 1 0 − 1 0 − 1 ] ⋅ [ x 1 x 2 x 3 ] ≤ [ 36 − 8 − 10 ] [ 1 1 − 1 ] ⋅ [ x 1 x 2 x 3 ] = [ 4 ] x 1 , x 2 , x 3 ≥ 0 \begin{equation} \text { s.t. } \left\{ \begin{array}{c} \begin{bmatrix} 2 & 1 & 3 \\ -1 & -1 & 0 \\ -1 & 0 & -1 \end{bmatrix} \cdot \begin{bmatrix} x_{1} \\ x_{2} \\ x_{3} \end{bmatrix} \leq \begin{bmatrix} 36 \\ -8 \\ -10 \end{bmatrix} \\ \begin{bmatrix} 1 & 1 & -1 \end{bmatrix} \cdot \begin{bmatrix} x_{1} \\ x_{2} \\ x_{3} \end{bmatrix} = \begin{bmatrix} 4 \end{bmatrix} \\ x_{1}, x_{2}, x_{3} \geq 0 \end{array} \right. \end{equation} s.t. ⎩ ⎨ ⎧ 2−1−11−1030−1 ⋅ x1x2x3 ≤ 36−8−10 [11−1]⋅ x1x2x3 =[4]x1,x2,x3≥0
然后即可代入求解:
f = [-2 -3 -4];
A = [2 1 3; -1 -1 0; -1 0 -1];
b = [36; -8; -10];
Aeq = [1 1 -1];
beq = [4];
lb = [0; 0; 0];
[x, fval] = linprog(f, A, b, Aeq, beq, lb, []);
fval = -fval;
最后得出的结果为:
x =
2.6667
8.6667
7.3333
fval =
60.6667