线性规划

求解线性优化问题

线性规划(LP)是在有界、线性等式和不等式约束下最小化或最大化一个线性目标函数。示例问题包括流程工业的混合、制造业的生产计划、金融业的现金流匹配以及能源和运输方面的计划。

线性规划是寻找向量x使函数最小化的数学问题:

\ [\ min_ {x} \左\ {f ^ {\ mathsf {T}} x \ \} \]

受以下限制:

\[begin{eqnarray}Ax \leq b & quad & text{(不等式约束)}\ \A_{eq}x = b_{eq} & \quad & text{(等式约束)}\ \lb \leq x \leq ub & quad & text{(边界约束)}\end{eqnarray}\]

您可以使用MATLAB®实现以下常用算法求解线性优化问题:

  • 内点:使用原对偶预测-校正算法,对于具有结构或可以使用稀疏矩阵定义的大规模线性程序特别有用。
  • 单纯形:使用一个系统程序来生成和测试线性程序的候选顶点解。万博 尤文图斯单纯形算法和相关的双单纯形算法是线性规划中应用最广泛的算法。

对于一些特殊情况下的线性规划,约束具有网络结构的算法通常比通用的内点算法和单纯形算法更快。特殊情况包括:

有关算法和线性规划的更多信息,请参见优化工具箱™

参见:优化工具箱全局优化工具箱整数规划二次规划非线性规划多目标优化规范的分析凸优化

优化技术培训课程

在本课程中,您将学习MATLAB中的应用优化技术®环境,重点使用优化工具箱™和全局优化工具箱。