标签：Aeq lb 线性规划 Matlab 线性 array beq 向量
Matlab中的线性规划
目录线性规划问题简介
在一组线性约束条件的限制下，求一线性目标函数最大或者最小的问题
线性：一次
线性规划的Matlab标准形式
语法及说明
x=linprog(f,A,b)
%求解 min f'*x，满足 A*x ≤ b。
x = linprog(f,A,b,Aeq,beq)
%包括等式约束 Aeq*x = beq。如果不存在不等式，请设置 A = [] 和 b = []。
x = linprog(f,A,b,Aeq,beq,lb,ub)
%定义设计变量 x 的一组下界和上界，使解始终在 lb ≤ x ≤ ub 范围内。如果不存在等式，请设置 Aeq = [] 和 beq = []。
x = linprog(f,A,b,Aeq,beq,lb,ub,options)
%使用 options 所指定的优化选项执行最小化。使用 optimoptions 可设置这些选项。
x = linprog(problem)
%求 problem 的最小值，它是 problem 中所述的一个结构体。
[x,fval] = linprog(___)
%输入任何参数，返回目标函数 fun 在解 x 处的值：fval = f'*x。
[x,fval,exitflag,output] = linprog(___)
%不仅返回fval;还返回说明退出条件的值 exitflag，以及包含优化过程信息的结构体 output。
[x,fval,exitflag,output,lambda] = linprog(___)
%不仅返回fval,exitflag，output;还返回结构体 lambda，其字段包含在解 x 处的拉格朗日乘数。
进入Matlab的帮助文档可以看到linprog函数求解的是线性规划的标准型：
\[\min_x f^{T} x ~such~that \left\{\begin{aligned} A \cdot x & \leq b, \\ A e q \cdot x &=b e q, \\ l b & \leq x \leq u b . \end{aligned}\right. \]f,x,b,beq,lb和ub是向量；A和Aeq是矩阵。
输入参数
f——系数向量
系数向量，指定为实数向量或实数数组。系数向量表示目标函数 f'*x。
例如：
\[f=[1,3,5,-6] \]A——线性不等式约束；b——线性不等式约束
线性不等式约束，指定为实矩阵。A 是 M×N 矩阵，其中 M 是不等式的数目，而 N 是变量的数目（f 的长度）。对于大型问题，将 A 作为稀疏矩阵传递。
A 以如下形式编写 M 个线性不等式
A*x <= b，
其中，x 是由 N 个变量组成的列向量 x(:)，b 是具有 M 个元素的列向量。
线性不等式约束，指定为实数向量。b 是与 A 矩阵相关的包含 M 个元素的向量。如果将 b 作为行向量传递，求解器会在内部将 b 转换为列向量 b(:)。对于大型问题，将 b 作为稀疏向量传递。
b 以如下形式编写 M 个线性不等式
A*x <= b，
其中，x 是由 N 个变量组成的列向量 x(:)，A 是大小为 M×N 的矩阵。
例如，假设有以下不等式：
\[x_1 + 2x_2 ≤ 10\\ 3x_1 + 4x_2 ≤ 20\\ 5x_1 + 6x_2 ≤ 30。 \]通过以下输入来约束不等式。
\[A = [1,2;3,4;5,6];\\ b = [10;20;30]; \]Aeq——线性等式约束；beq——线性等式约束
线性等式约束，指定为实矩阵。Aeq 是 Me×N 矩阵，其中 Me 是等式的数目，而 N 是变量的数目（f 的长度）。对于大型问题，将 Aeq 作为稀疏矩阵传递。
Aeq 以如下形式编写 Me 个线性等式
Aeq*x = beq，
其中，x 是由 N 个变量组成的列向量 x(:)，beq 是具有 Me 个元素的列向量。
线性等式约束，指定为实数向量。beq 是与 Aeq 矩阵相关的包含 Me 个元素的向量。如果将 beq 作为行向量传递，求解器会在内部将 beq 转换为列向量 beq(:)。对于大型问题，将 beq 作为稀疏向量传递。
beq 以如下形式编写 Me 个线性等式
Aeq*x = beq，
其中，x 是由 N 个变量组成的列向量 x(:)，Aeq 是大小为 Me×N 的矩阵。
例如，假设有以下不等式：
\[x1 + 2x_2 + 3x_3 = 10\\ 2x_1 + 4x_2 + x_3 = 20。 \]通过以下输入来约束不等式。
\[A = [1,2,3;2,4,1];\\ b = [10;20]; \]lb——下界；ub——上界
下界，指定为实数向量或实数数组。如果 f 的长度等于 lb 的长度，则 lb 指定
x(i) >= lb(i)（对于全部 i）。
如果 numel(lb) < numel(f)，则 lb 指定
x(i) >= lb(i) (1 <= i <= numel(lb))。
在这种情况下，求解器会发出警告。
上界，指定为实数向量或实数数组。如果 f 的长度等于 ub 的长度，则 ub 指定
x(i) <= ub(i)（对于全部 i）。
如果 numel(ub) < numel(f)，则 ub 指定
x(i) <= ub(i) (1 <= i <= numel(ub))。
在这种情况下，求解器会发出警告。
列如：
- 要指定所有 x 分量都为正，请指定
lb = zeros(size(f))。 - 要指定所有 x 分量都小于
1，请使用ub = ones(size(f))。
输出参数
x——解
解，以实数向量或实数数组形式返回。x 的大小与 f 的大小相同。
fval——解处的目标函数值
解处的目标函数值，以实数形式返回。通常，fval = f'*x。
lambda——解处的拉格朗日乘数
解处的拉格朗日乘数，以包含下列字段的结构体形式返回。
| lower | 对应于 lb 的下界 |
|---|---|
| upper | 对应于 ub 的上界 |
| ineqlin | 对应于 A 和 b 的线性不等式 |
| eqlin | 对应于 Aeq 和 beq 的线性等式 |
线性约束的拉格朗日乘数满足以下具有 length(f) 个分量的方程：
基于拉格朗日乘数
\[\mathrm{f}^{T} x+\lambda_{\text {ineqlin }}^{T}( A x-\mathrm{b})+\lambda_{\text {eqlin }}^{T}(Aeq x- beq )+\lambda_{\text {upper }}^{T}(x-\mathrm{ub})+\lambda_{\text {lower }}^{T}(\mathrm{lb}-x) \]示例：
例1：
\[\max z=2 x_{1}+3 x_{2}-5 x_{3}~~s, t\left\{\begin{array}{c}x_{1}+x_{2}+x_{3}=7 \\ 2 x_{1}-5 x_{2}+x_{3} \geq 10 \\ x_{1}+3 x_{2}+x_{3} \leq 12 \\ x_{1}, x_{2}, x_{3} \geq 0\end{array}\right. \]解：
（1）化为Matlab标准型：
\[\min w=-2 x_{1}-3 x_{2}+5 x_{3}~~s，t \left\{\begin{array}{c}{\left[\begin{array}{ccc}-2 & 5 & -1 \\ 1 & 3 & 1\end{array}\right]\left[\begin{array}{l}x_{1} \\ x_{2} \\ x_{3}\end{array}\right] \leq\left[\begin{array}{c}-10 \\ 12\end{array}\right]} \\ {[1,1,1] *\left[x_{1}, x_{2}, x_{3}\right]^{T}=7,\left[x_{1}, x_{2}, x_{3}\right]^{T} \geq[0,0,0]^{T}}\end{array}\right. \]Matlab中只有min的形式，所以将每个系数乘-1，max自然变为min。
（2）编写Matlab脚本：
f=[-2;-3;5];
a=[-2,5,-1;1,3,1];
b=[-10;12];
aeq=[1,1,1];
beq=7;
[x,y]=linprog(f,a,b,aeq,beq,zeros(3,1));
x
y=-y
脚本运行结果：
>> untitled
Optimal solution found.
x =
6.4286
0.5714
0
y =
14.5714
求得的最优解为x1=6.4286，x2=0.5714，x3=0，对应的最优值为z=14.5714.
例2：
\[\min z=2 x_{1}+3 x_{2}+x_{3}~~s,t\left\{\begin{array}{c}x_{1}+4 x_{2}+2 x_{3} \geq 8 \\ 3 x_{1}+2 x_{2} \geq 6 \\ x_{1}, x_{2}, x_{3} \geq 0\end{array}\right. \]解：
（1）化为Matlab标准型：
\[\min w=2 x_{1}3 x_{2}+x_{3}~~s，t \left\{\begin{array}{c}{\left[\begin{array}{ccc}1 & 4 & 2 \\ 3 & 2 & 0\end{array}\right]\left[\begin{array}{l}x_{1} \\ x_{2} \\ x_{3}\end{array}\right] \geq\left[\begin{array}{c}8\\ 6\end{array}\right]} \\ {[1,1,1] *\left[x_{1}, x_{2}, x_{3}\right]^{T}=7,\left[x_{1}, x_{2}, x_{3}\right]^{T} \geq[0,0,0]^{T}}\end{array}\right. \]（2）编写Matlab脚本：
c=[2;3;1];
a=[1,4,2;3,2,0];
b=[8;6]
[x,y]=linprog(c,-a,-b,[],[],zeros(3,1))
%这里没有等式约束，对应的矩阵为空矩阵
脚本运行结果：
>> untitled
b =
8
6
Optimal solution found.
x =
2.0000
0
3.0000
y =
7
求得的最优解为x1=2，x2=0，x3=3，对应的最优值为z=7
标签：Aeq,lb,线性规划,Matlab,线性,array,beq,向量 来源： https://www.cnblogs.com/plzplz/p/16482696.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。