【例1】用圖解法求解如下二維線性規(guī)劃問題。

友情鏈接：例1詳解可點(diǎn)擊這里

【例1】的MATLAB求解。

%原目標(biāo)函數(shù)，為轉(zhuǎn)化為極小，取目標(biāo)函數(shù)中設(shè)計(jì)變量的相反數(shù)

c=[-1;-1];

%線性不等式約束

A=[1 -2;1 2];

b=[4;8];

%設(shè)計(jì)變量的邊界約束，由于無(wú)上界，故設(shè)置ub=[Inf;Inf]

lb=[0;0];

ub=[Inf;Inf];

%求最優(yōu)解x和目標(biāo)函數(shù)值 fval，由于無(wú)等式約束，故設(shè)置Aeq=[ ]，beq=[ ]

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

Optimization terminated.

x=

6.0000?

1.0000?

%原問題極值的相反數(shù)

fval=

-7.0000

【例2】用單純形法求解下列線性規(guī)劃問題。

友情鏈接：例1詳解可點(diǎn)擊這里

【例2】的 MATLAB求解。

%目標(biāo)函數(shù)，為轉(zhuǎn)化為極小，取目標(biāo)函數(shù)中設(shè)計(jì)變量的相反數(shù)

c=[-4;-3];

%線性不等式約束

A=[3 4;3 3;4 2];

b=[12;10;8];

%設(shè)計(jì)變量的邊界約束，由于無(wú)上界，故設(shè)置ub=[Inf;Inf]

lb=[0;0];

ub=[Inf;Inf];

%求最優(yōu)解x和目標(biāo)函數(shù)值fval，由于無(wú)等式約束，故設(shè)置Aeq=[ ]，beq[ ]，且輸出參數(shù)exitflag [x,fval,exitflag]=linprog(c,A,b,[],[],Ib,ub)

%最優(yōu)解向量 x? =

0.8000?

2.4000

%在最優(yōu)解向量x處的原線性規(guī)劃問題的目標(biāo)函數(shù)值的相反數(shù)

fval=

-10.4000

%優(yōu)化結(jié)束時(shí)的狀態(tài)指示，exitflag參數(shù)的值為1，代表線性規(guī)劃問題收斂到了最優(yōu)解x?

exitflag=

1

【例3】使用大M法求解如下線性規(guī)劃問題。

友情鏈接：例3詳情可點(diǎn)擊這里

【例3】的 MATLAB求解。

%目標(biāo)函數(shù)，為轉(zhuǎn)化為極小，取目標(biāo)函數(shù)中設(shè)計(jì)變量的相反數(shù)

c=[-1;-3;1];

%線性等式約束

Aeq=[1 1 2;-1 2 1];

beq=[4;4];

%設(shè)計(jì)變量的邊界約束，由于無(wú)上界，故設(shè)置ub=[Inf;Inf;Inf]?

lb=[0;0;0];

ub=[Inf;Inf;Inf];

%求最優(yōu)解x和目標(biāo)函數(shù)值fval，由于無(wú)線性不等式約束和邊界約束，故設(shè)置A=[ ]，b=[ ]，

%且輸出參數(shù)exitflag和 output

[x,fval,exitflag,output]=linprog(c,[],[],Aeq,beq,lb,ub)

Optimization terminated.?

%最優(yōu)解向量 x

x=

1.333?

2.6667?

0.0000

%在最優(yōu)解向量x 處的原線性規(guī)劃問題的目標(biāo)函數(shù)值的相反數(shù)

fval =

-9.33335

%優(yōu)化結(jié)束時(shí)的狀態(tài)指示，exitflag參數(shù)的值為1，代表線性規(guī)劃問題收斂到了最優(yōu)解x?

exitflag=

1

%優(yōu)化算法的輸出信息結(jié)構(gòu)變量

output = %輸出信息結(jié)構(gòu)變量

iterations:4??%說明優(yōu)化算法迭代 4次

algorithm:'large-scale: interior point'

%說明采用的是大型規(guī)模的內(nèi)點(diǎn)算法

cgiterations:0

message∶'Optimization terminated.'? %退出信息

【例4】求解下列線性標(biāo)準(zhǔn)化問題。

【例4】的MATLAB求解。

%目標(biāo)函數(shù)，為轉(zhuǎn)化為極小，取目標(biāo)函數(shù)中設(shè)計(jì)變量的相反數(shù)

c=[-3;1;1];

%線性不等式約束

A=[1 -2 1;4 -1 -2];

b=[11;-3];

%線性等式約束Aeq=[-2 0 1];

beq=[1];

%設(shè)計(jì)變量的邊界約束，由于無(wú)上界，故設(shè)置ub=[Inf;Inf;Inf〕

lb=[0;0;0];

ub=[Inf;Inf; Inf);

%求最優(yōu)解x和目標(biāo)函數(shù)值 fval，且輸出參數(shù)exitflag、output和lambda [x,fval,exitflag,output,lambda]=linprog(c,A,b,Aeq,beq,Ib,ub)

Optimization terminated.?

%最優(yōu)解向量x

x=

4.0000?

1.0000?

9.0000

%在最優(yōu)解向量x處的原線性規(guī)劃問題的目標(biāo)函數(shù)值的相反數(shù)

fval =

-2.0000

%優(yōu)化結(jié)束時(shí)的狀態(tài)指示，exitflag參數(shù)的值為1，代表線性規(guī)劃問題收斂到了最優(yōu)解x?

exitflag=

1

%優(yōu)化算法的輸出信息結(jié)構(gòu)變量

output=? ?%輸出信息結(jié)構(gòu)變量

iterations:6?%說明優(yōu)化算法迭代4次

algorithm:'large-scale:interior point'

%說明采用的是大型規(guī)模的內(nèi)點(diǎn)算法

cgiterations:0? %取值為0，為了后向兼容而設(shè)定

message∶'Optimization terminated.' %退出信息

%最優(yōu)解 x處的拉格朗日乘子結(jié)構(gòu)變量

lambda=

ineqlin:[2x1 double]

eqlin:-0.6667?

upper:[3x1 double]

lower:[3x1 double]

???END? ?

模友們可能已經(jīng)發(fā)現(xiàn)：現(xiàn)在公眾號(hào)推送文章的順序，已經(jīng)不會(huì)按時(shí)間排列了。這種變化，可能會(huì)讓各位模友錯(cuò)過我們每天的推送。

所以，如果你還想像往常一樣，聚焦數(shù)模樂園，就需要將“數(shù)模樂園”標(biāo)為星標(biāo)公眾號(hào)，同時(shí)在閱讀完文章后，別忘了給一個(gè)“在看”哦。

星標(biāo)步驟

(1)點(diǎn)擊頁(yè)面最上方“數(shù)模樂園”，進(jìn)入公眾號(hào)主頁(yè)

(2)點(diǎn)擊右上角的小點(diǎn)點(diǎn)，在彈出頁(yè)面點(diǎn)擊“設(shè)為星標(biāo)”，就可以啦。

掃碼關(guān)注我們

2020國(guó)際賽QQ參賽群

球分享

球點(diǎn)贊

球在看

超強(qiáng)干貨來襲 云風(fēng)專訪：近40年碼齡，通宵達(dá)旦的技術(shù)人生

總結(jié)

以上是生活随笔為你收集整理的matlab pca求曲率和法向量_实践课堂 已给出实例的MATLAB求解大汇总（线性规划）...的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。