大家好，又见面了，我是你们的朋友全栈君。
1、线性规划
1.1 线性规划的定义
线性规划的标准形式：
其中的 c 和 x 均为 n 维列向量，A、 Aeq 为适当维数的矩阵，b 、beq 为适当维数的列向量。
例如：x1 和 x2 称为决策变量，整个式子分为了目标函数和约束条件
总之， 线性规划问题是在一组线性约束条件的限制下， 求一线性目标函数最大或最小的问题。
1.2 线性规划的解
线性规划问题的标准数学形式：
满足（4）并使（3）达到最大值的可行解称为最优解；可行解构成的域称为可行域。
1.2.1 图解法
1.1 中例子的约束条件 x1 和 x2 可用域如下，显然，对于目标函数来说，x1 和 x2 越大，目标函数值越大，最优解为
，最优目标值为 z* = 26。
有如下结论：
- 可行域可出现多种情况，既可能有界，也可能无界。
- 可行域非空时，既可存在有限最优解，也可不存在最优解。
- 若存在最优解，则必可找到具有可行域的“顶点” 。
1.2.2 MATLAB 解法
MATLAB 线性规划标准形式为
线性规划的函数为 linprog ，注意，linprog 求解的为线性规划最小值 min，若想求线性规划最大值，则需要对向量 c 取符号
[x,fval] = linprog(c,A,b,Aeq,beq,LB,UB,X0,OPTIONS)
fval 返回目标函数的值， LB 和 UB 分别是变量 x 的下界和上界，x0 是 x 的初始值，
例 1
m 文件：注意 linprog 中 c 取了负号
例 2
m 文件：
1.3 可转换为线性规划的问题
可取
那么问题转化为
例 3
其中 
对于以上问题，取 
，那么问题变为线性规划问题
1.4 运输问题
某产品有 m 个产地，n 个销地，各地产量为 a1，a2 … am，各地需求量为 b1，b2 … bn，从 i 到 j 的单价运费为 cij，问如何调度才可使总运费最省？
解：
引入 xij，其取值为由 i 产地运往 j 销地的该商品数量，有
对于产销平衡问题，有以下关系：
1.5 指派问题
n 个人干 n 项工作，若第 i 个人去干第 j 项工作，需要花费 cij 时间，给定矩阵 C = (cij) 问如何分配才可使花费总时间最短？
解：
引入变量 xij，用来表示第 i 个人是否做第 j 项工作，xij = 1 表示做，xij = 0 表示不做，那么可得到如下数学模型：
同理，xij 也可使用矩阵来表示，每行每列仅有一个为 1，其余为 0，因此这为 0-1 规划问题，针对指派问题，可将约束条件写为 xij >= 0 ，m = n = n，ai = bi = 1 ，因此可发现，这个问题进一步简化为了运输问题。
1.5.1 指派问题的匈牙利算法
对系数矩阵 C 行或列进行线性变换，得到新的矩阵 B，矩阵 B 和 C 具有相同的最优指派。
例 4
指派问题的系数矩阵为
对其进行行列变换得到：
可发现，最优指派为 x12 = 1, x21 = 1, x33 = 1, x44 = 1
例 5
对于较为复杂的指派问题
对其进行线性变换，有
对于第 3 行和第 5 行，都只在第 1 个元素的位置为 0，那么这时无法得到最优指派，只能继续进行线性变换，有
这时，可发现，最优指派为 x12 = 1, x24 = 1, x31 = 1, x43 = 1, x55 = 1
1.6 对偶理论与灵敏度分析
1.6.1 原始问题和对偶问题
称（P）为原始问题， （D）为它的对偶问题。 注意变换时 c 和 b 的位置。
对于如下线性规划问题：
可改写为
那么对偶问题为
令 y = y1 – y2 ，又可写成
可将原始问题转化为对偶问题进行求解，在求出最优解后，再根据性质反求出原始问题的最优解。
4.2 灵敏度分析
灵敏度分析就是系数、常数等发生变化时， 已求得的线性规划问题的最优解会有什么变化；或者这些系数在什么范围内变化时， 线性规划问题的最优解或最优解不变。也可理解为鲁棒性。
1.7 投资的收益和风险
以一个题目为例对本知识点进行总结。
1.7.1 问题描述
市场上有 n 种资产 si(i = 1, 2, …, n)，目前资金总数为 M，资产 si 的收益率为 ri，亏损率为 qi，交易费率为 pi，在不超过金额 ui 时，交易费按 ui 计算，假设银行存款利率为 r0。r0 = 5%
n = 4 时
目标是使净收益尽可能大，总风险尽可能小。
1.7.2 符号规定
定义 xi 为投资 si 的资金，a 为投资风险度，Q 为总体收益。
基本假设：
- 投资数额 M 相当大，为了便于计算，假设 M = 1
- 投资越分散，总的风险越小
- 总体风险用所投资的所有项目中最大的一个风险来度量
- n 种资产之间是相互独立的
- ri，pi，qi，r0 为定值，不受外界影响
1.7.3 建模与分析
模型为：目标函数第一个为收益，第二个为风险
1.7.4 模型简化
固定风险水平，优化收益
在实际中，由于承受风险能力不同，因此规定一个风险界限 a，使得 
，那么模型变为
模型一：
固定盈利水平，极小化风险
若希望总盈利到达 k 以上，则目标函数变为了极小化风险
模型二：
权衡资产风险和预期收益
对风险和收益进行权衡，设置权重 s (0 < s < 1)，s 称为投资偏好系数
模型三：
1.7.5 模型的求解
以上模型的求解可使用 MATLAB 解法进行解决，以模型一为例
从 a = 0 开始，以步长 0.001 循环搜索，MATLAB 代码如下：
1.7.6 结果分析
- 风险大，收益也大。
- 当投资越分散时，投资者承担的风险越小，冒险的投资者会出现集中投资的情况，保守的投资者则尽量分散投资。
- （根据 MATLAB 图形进行说明）在 a = 0.006 附近有转折点，在这一点左边，风险增加很少时，利润增长很快。在这一点右边，风险增加很大时，利润增长很缓慢，所以对于风险和收益没有特殊偏好的投资者来说，应该选择曲线的拐点作为最优投资组合，大约 a = 0.6%，Q = 20%，（然后计算投入各个资产的资金数量）x0 = 0, x1 = 0.24, x2 = 0.4, x3 = 0.1091, x4 = 0.2212.
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/155776.html原文链接：https://javaforall.net
