[关闭]
@scric 2016-07-15T03:09:43.000000Z 字数 2497 阅读 2073

数学建模之数学规划

数学建模


(建模的基本原则)

尽可能使用原始的数据信息,而把尽量多的计算留给计算机去做。
粗浅一点的说,我们在设立未知数时应该尽量的设详细一点,而不用通过计算来表达另一个未知数。
比如:一个东西由两个部分组成,通常来说,我们会设第一部分占x1%,那么第二个部分占1-x1%。但是在使用模型求解时,可以分别设为x1%,x2%。在未知数格外多时特别明显。

(我觉得需要注意的是,我们在设计一个数学模型的时候,还应该做出相应的假设。
比如在生产牛奶过程中,我们应该假设:

  • A1,A2两种奶制品每千克的获利是与它们各自产量无关的常数,每桶牛奶加工出A1,A2的数量和所需的时间是与它们各自的产量无关的常数……
    等等。

试想一下,如果奶制品每千克的获利是与它们各自产量相关的常数会是怎么样?实际上当A1,A2的产量很大时,自然会使它们每千克的获利有所减少。这是为什么?再想一想。
再试想一下,在估算某一地方杆的影子长度时,忽略地球的自转和公转会使结果产生怎么样的影响?换句话说,月份是否会对杆的影子长度产生影响?比如六月份和十二月份在同一地方同一时间的影子长度是否相同。这同样需要我们做出假设,假设影子长度是否与其相关,而假设的正确性?和完整性?会对实验结果的精度产生很大的影响。
(所以也就对我们提出了更高的要求,比如说四季和什么有关?早中晚和什么有关?当然这些也是常识)

(我觉得我还应该再出一章,讲讲对数学建模的基础要求和技术。比如以上的内容可以单独列出来再写一篇,而不是充斥在这里影响内容的一致性。)

(分为两个部分吧,第一个部分是对数学模型的建立,另一个部分则是用lingo程序的应用。)
(但是lingo还不会使用,所以应该单独出一章来讲解lingo的使用。)


(为什么要用线性规划解决问题呢?)
(对偶问题的实质和作用是什么?我们可以用它干什么?)
(总而言之我们要学习某个东西的话我们必须知道这个东西是什么?它能干什么?)
(约束条件,目标函数,超平面,半空间,多胞型,多面体)

# 线性规划(LP)

## 标准型

(标准型是什么?有什么作用?)

### 线性规划数学模型的标准型

### 线性规划matlab的标准型

## 线性规划问题的解

(什么是线性规划)
由于目标函数和约束条件对于决策变量而言都是变量的,所以称为线性规划(LP);

### 建模法

#### 建模步骤

问题分析
()
基本模型
决策变量:()
目标函数:()
约束条件:()
软件实现:

  1. model:
  2. max=72*x1+64*x2;
  3. [milk] x1+x2<50;
  4. [time]12*x1+8*x2<480;
  5. [cpct]3*x1<100;
  6. end
  • lingo程序总是以‘model:’开始,最后以‘end’结束;
  • 字母不区分大小写;
  • 每个语句以分号结尾;(注意必须是英文的分号)
  • lingo中规定所有决策变量均为非负;

#### 关键字

### *图解法(只要求了解和理解)

#### 最优解

如何求最优解?
主要是要注意标准型中z的取值,比如是求z的最大值还是最小值?
以线性规划中机床问题为例。
该目标方程为


约束方程为??等等。

这里先补充一条定理:

线性规划中,最优解会在约束条件所界定的一个凸多面体(可行域)的某个顶点取得。具体不证明。

步骤如下:

  • 根据条件建立目标方程和约束方程。
  • 画出该约束方程组的图形。即可行域:直线与坐标轴间所围成的区域为其可行域。
  • 可行域中的任意点的坐标为其可行解的坐标,也就是说在可行域中任意点的坐标均满足该目标函数,该解为可行解。所以最优解应该在可行域中可行解中去找,可以将最优解看成可行解中一个较为特殊的解。

我觉得这个地方有点问题。
可行解是什么?
根据百科上的说明:

满足某线性规划所有的约束条件(指全部前约束条件和后约束条件)的任意一组决策变量的取值,都称为该线性规划的一个可行解,所有可行解构成的集合称为该线性规划的可行域(类似函数的定义域).

所以找最优解的途径是找顶点。即找出各交点(包括与坐标轴,直线间交点)也叫顶点。然后将顶点坐标代进方程组中即可求出z的值,然后比较z的大小,即可求出目标方程的最优解。


## 其他

### 对偶理论与灵敏度分析

### 对偶问题的基本性质

# 整数规划(IP)

(什么是整数规划?)

规划中的变量(全部或部分)限制为整数,称为整数规划。若在线性模型中,变量限制为整数,则称为整数线性规划。

(为什么要用整数规划?)

在线性规划问题中,有些最优解可能是分数或小数,但对于某些具体问题,常要求某些变量的解必须是整数。
例如,当变量代表的是机器的台数,工作的人数或装货的车数等。为了满足整数的要求,初看起来似乎只要把已得的非整数解舍入化整就可以了。实际上化整后的数不见得是可行解和最优解,所以应该有特殊的方法来求解整数规划。
在整数规划中,如果所有变量都限制为整数,则称为纯整数规划;如果仅一部分变量限制为整数,则称为混合整数规划。整数规划的一种特殊情形是01规划,它的变数仅限于0或1。

(如何进行整数规划?)
先举个例子。(??)
方法有:

1)四舍五入
2)分解为多个LP子模型
3)引入0-1变量,化为整数规划
4)化为非线性规划(NLP)

(线性规划和整数规划的区别?)

(几个例子)

(说明)

# 非线性规划(NLP)

(什么是非线性规划?)
(为什么要用非线性规划?)
(线性规划和非线性规划的区别?)
(几个例子)
(说明)

# 几个问题

## 奶制品的生产与销售

## 自来水输送与货机装运

## 汽车生产与原油采购

## 接力队的选拔与选课策略

## 饮料厂的生产与检修

## 钢管和易拉罐下料

# 总结

添加新批注
在作者公开此批注前,只有你和作者可见。
回复批注