国产 无码 综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

數(shù)學(xué)建模(二)線性規(guī)劃

這篇具有很好參考價值的文章主要介紹了數(shù)學(xué)建模(二)線性規(guī)劃。希望對大家有所幫助。如果存在錯誤或未考慮完全的地方,請大家不吝賜教,您也可以點擊"舉報違法"按鈕提交疑問。

課程推薦:6 線性規(guī)劃模型基本原理與編程實現(xiàn)_嗶哩嗶哩_bilibili

目錄

一、線性規(guī)劃的實例與定義

1.1 線性規(guī)劃的實例

1.2 線性規(guī)劃的定義

1.3 最優(yōu)解

1.4 線性規(guī)劃的Mathlab標準形式

1.5 使用linprog函數(shù)

二、線性規(guī)劃模型建模實戰(zhàn)與代碼

2.1 問題提出

2.2 基本假設(shè)

2.3 模型的分析與建立?

2.3.1 模型分析

2.3.2 建立模型

2.3.3 多目標線性規(guī)劃模型轉(zhuǎn)化為單目標線性規(guī)劃模型——制定界限

2.3.4 求解


在人們的生產(chǎn)實踐中,經(jīng)常會遇到如何利用現(xiàn)有資源來安排生產(chǎn),以取得最大經(jīng)濟效益的問題。此類問題構(gòu)成了運籌學(xué)的一個重要分支:數(shù)學(xué)規(guī)劃。而線性規(guī)劃(Linear Programming 簡記LP)則是數(shù)學(xué)規(guī)劃的一個重要分支。

一、線性規(guī)劃的實例與定義

1.1 線性規(guī)劃的實例

例:某機床廠生產(chǎn)甲、乙兩種機床,每臺銷售后的利潤分別為4千元與3千元。生產(chǎn)甲機床需用A、B機器加工,加工時間分別為每臺 2小時和1小時;生產(chǎn)乙機床需用A、B、C三種機器加工,加工時間為每臺各一小時。若每天可用于加工的機器時數(shù)分別為A機器10小時、B機器8小時和C機器7小時,問該廠應(yīng)生產(chǎn)甲、乙機床各幾臺,才能使總利潤最大?

上述問題的數(shù)學(xué)模型:設(shè)該廠生產(chǎn)x1臺甲機床和x2乙機床時總利潤z最大,則x1,x2應(yīng)滿足:

數(shù)學(xué)建模(二)線性規(guī)劃,數(shù)學(xué)建模,數(shù)學(xué)建模

以上便是一個線性規(guī)劃問題的數(shù)學(xué)模型,其中變量x1,x2稱之為決策變量,(1.1)式被稱為問題的目標函數(shù),(1.2)中的幾個不等式是問題的約束條件,記為s.t.(即subject to)。

1.2 線性規(guī)劃的定義

目標函數(shù)約束條件均為線性函數(shù),故被稱為線性規(guī)劃問題。線性規(guī)劃問題是在一組線性約束條件的限制下,求一線性目標函數(shù)最大或最小的問題。

1.3 最優(yōu)解

滿足約束條件的解x=[x,,L ,xI',稱為線性規(guī)劃問題的可行解,而使目標函數(shù)達到最大值的可行解叫最優(yōu)解。

1.4 線性規(guī)劃的Mathlab標準形式

線性規(guī)劃的目標函數(shù)可以是求最大值,也可以是求最小值,約束條件的不等號可以是小于號也可以是大于號。為了避免這種形式多樣性帶來的不便,Matlab中規(guī)定線性規(guī)劃的標準形式:

數(shù)學(xué)建模(二)線性規(guī)劃,數(shù)學(xué)建模,數(shù)學(xué)建模

其中c和x為n維列向量,A、Aeq為適當(dāng)維數(shù)的矩陣,b、beq為適當(dāng)維數(shù)的列向量。

Matlab中求解線性規(guī)劃的命令為

Matlab中的linprog函數(shù)是一個線性規(guī)劃求解器,可以用于求解線性規(guī)劃問題。使用條件滿足Mathlab線性規(guī)劃標準形式。

[x,fval] = linprog(c,A,b)
[x,fval] = linprog(c,A,b,Aeq,beq)
[x,fval] = linprog(c,A,b,Aeq,beq,lb,ub)

其中,x返回的是決策向量的取值,fval返回的是目標函數(shù)的最優(yōu)值,c為價值向量,A,b對應(yīng)的是線性不等式約束,Aeq,beq對應(yīng)的是線性等式約束,lb和ub分別對應(yīng)的是決策向量的下界向量和上界向量。

1.5 使用linprog函數(shù)

數(shù)學(xué)建模(二)線性規(guī)劃,數(shù)學(xué)建模,數(shù)學(xué)建模

求解的Matlab程序如下:

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

1. 目標函數(shù)中求max時,將目標函數(shù)的系數(shù)全部取反,即可看作求min,代入linprog函數(shù),求得目標函數(shù)的最優(yōu)值再取反回來,便得到了求max時目標函數(shù)的最優(yōu)值(y)。這時,決策向量(x)的取值正對應(yīng)著求max時目標函數(shù)的最優(yōu)值,所以不變。

2. 約束條件中的不等號為大于號時,系數(shù)全部取反,代入linprog函數(shù)即可。

二、線性規(guī)劃模型建模實戰(zhàn)與代碼

2.1 問題提出

??????? 市場上有n種資產(chǎn) (i= 1,2,L ,n)可以選擇,現(xiàn)用數(shù)額為M的相當(dāng)大的資金作一個時期的投資。這n種資產(chǎn)在這一時期內(nèi)購買 的平均收益率為,風(fēng)險損失率為,投資越分散,總的風(fēng)險越少,總體風(fēng)險可用投資的中最大的一個風(fēng)險來度量。
????????購買 時要付交易費,費率為,當(dāng)購買額不超過給定值時,交易費按購買計算。另外,假定同期銀行存款利率是,既無交易費又無風(fēng)險(= 5%)。


????????已知n=4時相關(guān)數(shù)據(jù)如表1.1。

數(shù)學(xué)建模(二)線性規(guī)劃,數(shù)學(xué)建模,數(shù)學(xué)建模

????????試給該公司設(shè)計一種投資組合方案,即用給定資金M,有選擇地購買若干種資產(chǎn)或存銀行生息,使凈收益盡可能大,使總體風(fēng)險盡可能小。

2.2 基本假設(shè)

  • (1)投資數(shù)額M相當(dāng)大,為了便于計算,假設(shè)M=1。
  • (2)投資越分散,總的風(fēng)險越小。
  • (3)總體風(fēng)險用投資項目中最大的一個風(fēng)險來度量。
  • (4)n+1 種 資產(chǎn)之間是相互獨立的。其中s0表示存入銀行的資產(chǎn)。
  • (5)在投資的這一時期內(nèi),,,為定值,不受意外因素影響。
  • (6)凈收益和總體風(fēng)險只受,,影響,不受其它因素干擾。

2.3 模型的分析與建立?

2.3.1 模型分析

  • 1. 首先,我們要明確兩個目標,即收益最大和風(fēng)險最小,因此這是一個多目標規(guī)劃模型
  • 2. 總體風(fēng)險用所投資的 中最大的一個風(fēng)險來衡量,即

????????????????????????????????????????????????????????

  • 3. 購買 (i= 1,L ,n) 所付交易費是一個分段函數(shù),即

數(shù)學(xué)建模(二)線性規(guī)劃,數(shù)學(xué)建模,數(shù)學(xué)建模

而所給的定值 (單位:元)相對總投資M很小,更小可以忽略不計,這樣購買 的凈收益可以簡化為

2.3.2 建立模型

數(shù)學(xué)建模(二)線性規(guī)劃,數(shù)學(xué)建模,數(shù)學(xué)建模

其中, 表示投資項目 的資金,i= 0,1,…,n;x0表示存入銀行的資產(chǎn)。約束條件表示總資金投入必須等于M,投資項目 的資金必須大于等于0。

2.3.3 多目標線性規(guī)劃模型轉(zhuǎn)化為單目標線性規(guī)劃模型——制定界限

方案一:固定風(fēng)險水平,優(yōu)化收益

在實際投資中,投資者承受風(fēng)險的程度不一樣, 若給定風(fēng)險一個界限a,使最大的一個風(fēng)險,可找到相應(yīng)的投資方案。這樣把多目標規(guī)劃變成一個目標的線性規(guī)劃。

數(shù)學(xué)建模(二)線性規(guī)劃,數(shù)學(xué)建模,數(shù)學(xué)建模

方案二:固定盈利水平,極小化最大風(fēng)險

給定收益一個界限k。

數(shù)學(xué)建模(二)線性規(guī)劃,數(shù)學(xué)建模,數(shù)學(xué)建模

方案三:設(shè)置投資偏好系數(shù)

投資者在權(quán)衡資產(chǎn)風(fēng)險和預(yù)期收益兩方面時,希望選擇一個令自己滿意的投資組合。因此對風(fēng)險、收益分別賦予權(quán)重s (0<s≤1)和1-s,s稱為投資偏好系數(shù)。

數(shù)學(xué)建模(二)線性規(guī)劃,數(shù)學(xué)建模,數(shù)學(xué)建模

2.3.4 求解

模型一:

數(shù)學(xué)建模(二)線性規(guī)劃,數(shù)學(xué)建模,數(shù)學(xué)建模

由于a是任意給定的風(fēng)險度,沒有一個確定的準則,不同的投資者有不同的風(fēng)險度。我們從a= 0開始,以步長 = 0.001進行循環(huán)搜索,編制程序如下:

clc,clear
a=0;hold on
while a<0.05
    c=[-0.05,-0.27,-0.19,-0.185,-0.185];
    A=[zeros(4,1 ),diag([0.025,0.015,0.055,0.026])];
    b=a*ones(4,1);
    Aeq=[1,1.01,1.02,1.045,1.065];
    beq=1; LB= zeros(5,1);
    [x,Q]=linprog(C,A,b,Aeq,beq,LB);
    Q=-Q; plot(a,Q,'*k');
    a=a+0.001;
end
xlabel('a'),ylabel('Q')

數(shù)學(xué)建模(二)線性規(guī)劃,數(shù)學(xué)建模,數(shù)學(xué)建模

可以看出,在a=0.006附近有一個轉(zhuǎn)折點,在這一點左邊,風(fēng)險增加很少時,利潤增長很快。在這一點右邊,風(fēng)險增加很大時,利潤增長很緩慢,所以對于風(fēng)險和收益沒有特殊偏好的投資者來說,應(yīng)該選擇曲線的轉(zhuǎn)折點作為最優(yōu)投資組合,所對應(yīng)投資方案為風(fēng)險度a= 0.006,收益Q=0.2019,x0=0,x1= 0.24,x1= 0.4,x3= 0.1091,x4= 0.2212。文章來源地址http://www.zghlxwxcb.cn/news/detail-650496.html

到了這里,關(guān)于數(shù)學(xué)建模(二)線性規(guī)劃的文章就介紹完了。如果您還想了解更多內(nèi)容,請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章,希望大家以后多多支持TOY模板網(wǎng)!

本文來自互聯(lián)網(wǎng)用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務(wù),不擁有所有權(quán),不承擔(dān)相關(guān)法律責(zé)任。如若轉(zhuǎn)載,請注明出處: 如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實不符,請點擊違法舉報進行投訴反饋,一經(jīng)查實,立即刪除!

領(lǐng)支付寶紅包贊助服務(wù)器費用

相關(guān)文章

  • 數(shù)學(xué)建模十大算法03—線性規(guī)劃、整數(shù)規(guī)劃、非線性規(guī)劃、多目標規(guī)劃

    數(shù)學(xué)建模十大算法03—線性規(guī)劃、整數(shù)規(guī)劃、非線性規(guī)劃、多目標規(guī)劃

    一、線性規(guī)劃(Linear Programming,LP) 1.1 引例 在人們的生產(chǎn)實踐中,經(jīng)常會遇到 如何利用現(xiàn)有資源來安排生產(chǎn),以取得最大經(jīng)濟效益的問題。 此類問題構(gòu)成了運籌學(xué)的一個重要分支一數(shù)學(xué)規(guī)劃,而 線性規(guī)劃(Linear Programming, LP) 則是數(shù)學(xué)規(guī)劃的一個重要分支。 簡而言之,線

    2024年02月13日
    瀏覽(26)
  • 數(shù)學(xué)建模| 線性規(guī)劃(Matlab)

    線性規(guī)劃:約束條件和目標函數(shù)都是線性的。簡單點說,所有的決策變量在目標函數(shù)和約束條件中都是一次方。 Matlab函數(shù): 參數(shù)解釋: func 表示目標函數(shù)。 A 表示不等式約束條件系數(shù)矩陣,b 表示不等式約束條件常數(shù)矩陣。 Aeq 表示等式約束條件系數(shù)矩陣,beq 表示等式約束條

    2024年02月07日
    瀏覽(30)
  • 數(shù)學(xué)建?!痉蔷€性規(guī)劃】

    數(shù)學(xué)建?!痉蔷€性規(guī)劃】

    一、非線性規(guī)劃簡介 通過分析問題判斷是用線性規(guī)劃還是非線性規(guī)劃 線性規(guī)劃:模型中所有的變量都是一次方 非線性規(guī)劃:模型中至少一個變量是非線性 非線性規(guī)劃在形式上與線性規(guī)劃非常類似,但在數(shù)學(xué)上求解卻困難很多 線性規(guī)劃有通用的求解準確解的方法(單純形法

    2024年02月19日
    瀏覽(30)
  • 數(shù)學(xué)建?!蔷€性規(guī)劃

    數(shù)學(xué)建?!蔷€性規(guī)劃

    目錄 基本概念 凸規(guī)劃 判別定理 二次規(guī)劃模型 非線性規(guī)劃的求解 無約束極值問題 有約束極值問題 基于求解器的解法 基于問題的求解 其他 非線性規(guī)劃:描述目標函數(shù)或約束條件條件的數(shù)學(xué)表達式中,至少有一個是非線性函數(shù)。 記是n維歐式空間中的一個點(n維向量),,

    2024年02月06日
    瀏覽(23)
  • MATLAB-數(shù)學(xué)建模-線性規(guī)劃-1

    目錄 1.1? 線性規(guī)劃模型的一般形式: 1.2? 線性規(guī)劃模型? ? ? ? ? minz=f(x) ? ? ? ? s.t.? ?? (i=1,2,···,m) 1和2組成的模型屬于約束優(yōu)化? f(x)稱為目標函數(shù),稱為約束條件?? 決策變量 、 目標函數(shù) 、 約束條件 構(gòu)成了線性規(guī)劃的3個基本要素 min? ? u=cx s.t.? ? ? Ax b ? ? ? ?

    2024年02月09日
    瀏覽(20)
  • 一、數(shù)學(xué)建模之線性規(guī)劃篇

    一、數(shù)學(xué)建模之線性規(guī)劃篇

    1.定義 2.例題 3.使用軟件及解題 1.線性規(guī)劃 (Linear Programming,簡稱LP)是一種數(shù)學(xué)優(yōu)化技術(shù),線性規(guī)劃作為運籌學(xué)的一個重要分支,專門研究在給定一組線性約束條件下,如何找到一個最優(yōu)的決策,使得目標函數(shù)取得最大或最小值。 線性規(guī)劃屬于運籌學(xué) (Operations Research)這

    2024年02月12日
    瀏覽(22)
  • 數(shù)學(xué)建模 | 第一章 線性規(guī)劃例題

    數(shù)學(xué)建模 | 第一章 線性規(guī)劃例題

    例1.1 某機床廠生產(chǎn)甲、乙兩種機床,每臺銷售后的利潤分別為 4000 元與 3000 元。生產(chǎn)甲機床需用A、B機器加工,加工時間分別為每臺2小時和1小時;生產(chǎn)乙機床需用A、B、C三種機器加工,加工時間為每臺各一小時。若每天可用于加工的機器時數(shù)分別為A機器10小時、B機器8小時和

    2024年02月03日
    瀏覽(32)
  • 數(shù)學(xué)建模學(xué)習(xí)---非線性規(guī)劃

    數(shù)學(xué)建模學(xué)習(xí)---非線性規(guī)劃

    目錄 前言 一、非線性規(guī)劃問題是什么? 二、非線性規(guī)劃的數(shù)學(xué)模型 1.一般形式 三、線性規(guī)劃的 Matlab 解法 Matlab 中非線性規(guī)劃的數(shù)學(xué)模型: 2.Matlab 中的命令: 本篇講述非線性規(guī)劃問題極其matlab解法 如果目標函數(shù)或約束條件中包含非線性函數(shù),就稱這種規(guī)劃問題為非線性規(guī)

    2024年02月06日
    瀏覽(32)
  • 數(shù)學(xué)建模(五)非線性規(guī)劃

    數(shù)學(xué)建模(五)非線性規(guī)劃

    ?課程推薦: 13 非線性規(guī)劃算法在數(shù)學(xué)建模中的應(yīng)用與編程實現(xiàn)_嗶哩嗶哩_bilibili 如果目標函數(shù)或約束條件中包含非線性函數(shù),就稱這種規(guī)劃問題為非線性規(guī)劃問題 。一般說來,解非線性規(guī)劃要比解線性規(guī)劃問題困難得多。而且,也不像線性規(guī)劃有單純形法這一通用方法,

    2024年02月11日
    瀏覽(21)
  • 數(shù)學(xué)建模 (線性規(guī)劃 python代碼 兩種)

    數(shù)學(xué)建模 (線性規(guī)劃 python代碼 兩種)

    線性規(guī)劃(Linear Programming,LP)是一種數(shù)學(xué)優(yōu)化方法,用于解決一類特定類型的最優(yōu)化問題。該問題的目標是在給定的一組線性約束條件下,找到使某個線性目標函數(shù)達到最大或最小的變量值。線性規(guī)劃問題可以表示為以下標準形式: 最小化(或最大化):Z = c^T * x 約束條件

    2024年04月14日
    瀏覽(27)

覺得文章有用就打賞一下文章作者

支付寶掃一掃打賞

博客贊助

微信掃一掃打賞

請作者喝杯咖啡吧~博客贊助

支付寶掃一掃領(lǐng)取紅包,優(yōu)惠每天領(lǐng)

二維碼1

領(lǐng)取紅包

二維碼2

領(lǐng)紅包