数模——线性规划_matlab基于求解器求解和基于问题求解

目录

 

线性规划matlab求解

1）基于求解器求解

1.标准形式

 2.代码实现

 2）基于问题求解

---

线性规划matlab求解

---

1）基于求解器求解

        1.标准形式

 

         2.代码实现

f = [-40;-30];
a = [1,1;-1,0;0,-1;240,120];
b = [6;-1;-1;1200];
[x,y] = linprog(f,a,b);y=-y

• 

---

 2）基于问题求解

prob=optimproblem('ObjectiveSense','max');
c=[4;3];
b=[10;8;7];
a=[2,1;1,1;0,1];
x=optimvar('x',2,'LowerBound',0);   %决策变量
prob.Objective=c'*x;                %目标函数
prob.Constraints.con=a*x<=b;         %约束条件
[sol,fval,flag,out]=solve(prob);    %favl返回最优值
sol.x                               %显示决策变量的值

•  optimproblem-创建优化问题：prob=optimproblem(NAME,VALUE)，（prob=optimproblem默认创建最小值优化问题）prob.objective是优化问题里面的目标函数；prob.constraints.con是约束条件，有多个同类约束条件时可以按照行向量的形式排列，不同类约束条件可以用con1,con2来表示。
• optimvar-创建优化变量（符号变量）：x = optimvar(name,n) 创建由优化变量组成的 n×1 向量。x = optimvar(name,cstr) 创建可使用 cstr 进行索引的优化变量向量。x 的元素数与 cstr 向量的长度相同。x 的方向与 cstr 的方向相同：当 cstr 是行向量时，x 也是行向量，当 cstr 是列向量时，x 也是列向量。
• c'是c向量/矩阵的转置
• solve函数解决优化问题