运筹优化（二）--线性规划概念及应用模型
一、解決問題
???? 線性規劃問題是在一組線性約束下，求線性目標函數的最大最小值的問題。
二、數學模型
1、一般數學模型
2、矩陣表示
其中c,x都是列向量，A，Aeq是一個合適的矩陣，b,beq是合適的列向量。然后lb和ub是下限和上限（但是請注意lb是一個變量的名字）。
注意：這里針對變量類型約束增加上下限的約束，其目的在于減少主要約束Ax=b中的行數，從而簡化計算。本質上，跟標準的非負類型約束一致。
實際碰到各種線性規劃問題的數學模型都應變換為標準型式后求解。
以下討論如何變換為標準型的問題。
(1 ) 若要求目標函數實現最小化, 即 min z = CX。這時只需將目標函數最小化變換求目標函數最大化 , 即令z′= -z , 于是得到max z′= -CX。 這就同標準型的目標函數的形式一致了。
(2) 約束方程為不等式。這里有兩種情況: 一種是約束方程為“≤”不等式, 則可在 “≤”不等式的左端加入非負松弛變量, 把原“≤”不等式變為等式; 另一種是約束方程為 “ ≥ ”不等式 , 則可在“ ≥ ”不等式的左端減去一個非負剩余變量 (也可稱松弛變量）, 把不等式約束條件變為等式約束條件。
(3) 若存在取值無約束的變量xk ,可令xk = x′k - x′′k ,其中 x′k , x′′k ≥0。
線性規劃問題的解的概念
在討論線性規劃問題的求解前, 先要了解線性規劃問題的解的概念。我們針對線性規劃的一般數學模型來說明：
1. 可行解
滿足約束條件的解X=(x1 ,x2 ,?,xn)T ,稱為線性規劃問題的可行解 , 其中使目標函數達到最大值的可行解稱為最優解。
2. 基
設 A是約束方程組的 m×n維系數矩陣,其秩為 m。B是矩陣 A中 m×m階非奇異子矩陣( | B| =?0) ,則稱B是線性規劃問題的一個基。這就是說, 矩陣B是由 m個線性獨立的列向量組成。為不失一般性 , 可設：
稱 Pj (j=1,2,?,m)為基向量,與基向量 Pj 相應的變量 xj (j=1,2,?,m)為基變量,否則稱為非基變量 , 為了進一步討論線性規劃問題的 解, 下面研究約束方程組(1-5 ) 的 求 解 問題。假設該方程組系數矩陣 A 的秩為 m , 因 m < n, 故它有無窮多個解。假設前 m 個變 量的系數列向量是線性獨立的。這時(1 -5)式可寫成：
設 XB 是對應于這個基的基變量：XB =(x1,x2,?,xm)T?，
現若令上式的非基變量 xm + 1 = xm + 2 = ? = xn = 0, 這時變量的個數等于線性方程的個數。用高斯消去法 , 求出一個解：
X=(x1 ,x2 ,?,xm ,0,?,0)T
該解的非零分量的數目不大于方程個數 m, 稱 X 為基解。由此可見 , 有一個基 , 就可以求出一個基解。
3. 基可行解
同時滿足非負條件的可行解和基解的解,稱為基可行解。
4. 可行基
對應于基可行解的基 , 稱為可行基。約束方程組(1-5)具有基解的數目最多是 Cnm （組合）個。一般基可行解的數目要小于基解的數目。以上提到 的幾種解的概念, 它們之間的關系可用下圖表明。另外還要說明一點 , 基解中的非零分量的個數小于m 個時, 該基解是退化解。在以下討論 時 , 假設不出現退化的 情況。以上給出了線性規劃問題的解的概念和定義 , 它們將有助于用來分析線性規劃問題的求解過程。
三、相關方程解法
1、圖解法，畫出可行域，這個可以進行編程進行實現、
2、直接使用MATLAB的相關方法進行解題、
[x,fval]=linprog(c,A,b,Aeq,beq,LB,UB,Xo,OPTIONS)???? 其中fval返回的是目標函數的值，然后x則是返回取到fval時x的對應的值，然后LB和UB是對應x的上界和下界（可以省略），x0是x的初始值（暫時可以忽略）
OPTIONS是控制參數。
其他還有專門的線性規劃求解算法，后面單獨介紹。
四、一些其他問題轉換成線性規劃
1、絕對值之和最小
在這里我們就可以令，就可以滿足，這樣子這個問題就變成了
2、兩個數的差的絕對值，在xi固定時，取得max，之后在去定yi
我們取，就可以轉換問題了
五、一些線性規劃可以解決的實際問題
1、生產力有限，要求取得最大收益，更一般性的說法，是資源分配模型，用來解決在資源有限的情況下，如何將資源分配給彼此競爭的需求，從而實現資源的優化配置。
2、運輸問題（產銷問題）
????? 要求運輸費用最小
????????? 在這里需要記得有一個很重要的等式，就是所有產地送出去的等于所有銷售地收到的
3、指派問題
???? 要求花費的工作時間要最短
?????????????
（2）求解指派問題的匈牙利算法、
???? 首先我們要知道對與系數矩陣C由這樣的性質，同時對每一行（列）加上或者減去同樣的一個數，得到的新矩陣和原矩陣的指派問題具有相同的最優指派。
一般步驟是：
a、每行每列消除最小的數字，使得出現能夠出現N(與矩陣大小相同）個位于不同行不同列的零元素，選定就是最優解。
b、如果上一步驟沒辦法直接完成，則、
4、對偶理論（與反函數相比較）
最重要的是掌握其性質，可以用來檢驗是不是最優解、、
5、投資的收益和風險（主要多目標函數如何并成一個目標函數）
????? 下一步主要是設立變量（這是數學建模中一步很關鍵的地方，你指標選的好，方程就好列好解，否則。。。。）
????? 之后就是加入限定，一些理想化的假設
????? 然后寫出方程
???? 其中第一個目標函數為收益，第二個為風險。
???? 下一步就是化簡目標函數
（1）固定風險水平，優化收益
（2）固定盈利水平，極小化風險
（3）同時考慮兩個，這樣的話需要加入一個權重s。
6.混料模型
資源分配模型是將各種資源分配給不同的需求，混料模型是把零散的資源整合起來，簡而言之，混料模型解決的是決策各種成分的組合以最好的滿足生產的需要。
7.運營規劃模型
用以決策生產工作的安排以有效的使用可用資源。
8.排班和人員規劃模型
在工作量給定的前提下，我們需要規劃完成這些工作的資源投入，特別的，我們必須決定不同類型的員工人數和排班數量，以保證完成所有的工作量。
9.多階段模型
用來建模動態的，隨時間變化的，或者多個時間段執行的。
總結
以上是生活随笔為你收集整理的运筹优化（二）--线性规划概念及应用模型的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： CDA二期学习笔记
- 下一篇： 论文阅读笔记：ProjectionNet