模糊数学5-模糊线性规划
max f T x x Ax b ~
Aeqx beq ~
lb x ub
两者的区别在于：模糊线性规划的约束条件为模 糊约束，即等式、不等式约束有一个伸缩 率.
在解决实际问题时，要根据实际意义确定伸缩率 比如股票价格可能在某个区间变动，一本招生数 可能有所增加.
模糊线性规划的求解方法： 基本思想：转化为普通线性规划，步骤如下 1. 不考虑伸缩率，求解普通线性规划（1） 2. 考虑伸缩率，求解普通线性规划（2）
原料 B1
B2
B3
B4
B5
A1/mg 85
60
120
80
120
A2/mg 80
150
90
160
60
A3/mg 100
120
150
120
200
单价/元 1.3
1.5
1.6
1.7
1.8
如果要配制该药10000盒，怎样选料最好？ 解：设配制1盒该药五种原料分别为x1,x2,x3,x4,x5kg
min s 1.3x1+1.5x2+1.6x3 1.7x4 1.8x5
解：首先求解没有伸缩率的经典线性规划
min s 1.3x1+1.5x2+1.6x3 1.7x4 1.8x5
85x1 60x2 120x3 80x4 120x5=75
s
.t
.10800xx11112500xx2219500xx33
160x4 120x4
MATLAB程序如下
f1=[-1,4,-6]; A1=[1,1,1;-1,6,-1];b1=[8;-6]; Aeq1=[1,-3,-1];beq1=[-4];lb1=[0,0,0]; [x1,z1]=linprog(f1,A1,b1,Aeq1,beq1,lb1);
结果：x1=2,x2=0,x3=6, 最优值为：38
1 相应地改成 ,, 即可
x1 ,x2 , x3 0
转化为求最小值的线性规划模型：
min s x1+4x2 -6x3
x1 x2 x3 8
s
.t
.
-xx11+-36xx22--xx33
6 4
1'
x1 ,x2 , x3 0
例2. 求解规划
解：转化为
max z = 2x1+3x2-5x3 s.t. x1+x2+x3=7
2x1-5x2+x3 10 x1,x2,x3 0
min z = -2x1-3x2+5x3
s.t. x1+x2+x3=7
-2x1+5x2-x3 -10
x1,x2,x3 0
f=[-2,-3,5];A=[-2,5,-1];b=-10;Aeq=[1,1,1];beq=[7]; lb=[0,0,0]; [x,z]=linprog(f,A,b,Aeq,beq,lb)
80x1 150x2 90x3 160x4 60x5 125
s .t . 80x1 150x2 90x3 160x4 60x5 115
100x1 120x2 150x3 120x4 200x5 148
100x1 120x2 150x3 120x4 200x5 128
3'
MATLAB程序如下
f3=[0,0,0,-1]; A3=[-1,4,-6,8.25;1,1,1,2;-1,6,-1,1;1,-3,-1,0.5;-1,3,1,0.5]; b3=[-38;10;-5;-3.5;4.5];Aeq3=[];beq3=[];lb3=[0,0,0]; [x3,z3]=linprog(f3,A3,b3,Aeq3,beq3,lb3); 上述规划所得到的最优解:
[x,fvel]=linprog(f,A,b,Aeq,beq,lb,ub)
用于等式、不等式约束，求目标函数最小值，若 没有等式约束 ，则Aeq,beq要用空矩阵[ ]代替。 例1.求规划问题： 解：f=[-2,-1,1]; Min z = -2x1-x2+x3,A=[1,4,-1;2,-2,1];b=[4;12]; s.t. x1+x2+2x3=6 x1 4x2 x3 4 Aeq=[1,1,2];beq=6; 2x1 2x2 x3 12 lb=[0,0,-inf];ub=[inf,inf,5]; x1 0, x2 0, x3 5 [x,z]=linprog(f,A,b,Aeq,beq,lb,ub)
3. 增加变量 ，求解普通线性规划（3）
为了便于同学们的理解，下面通过具体 例子加以说明上述的三个普通线性规划的 具体形式
例1. 解模糊线性规划
max s x1 4x2 6x3
x1
x2
x3
~
8
s .t
.
x1
6x2
x3
~
6
x1-3x2 -x3
4
~
x1 ,x2 , x3 0
第五讲 模糊线性规划
一. 线性规划的MATLAB实现 二. 模糊线性规划的概念与方法 三. 应用实例分析
一.线性规划的MATLAB实现
求解线性规划的命令：linprog 目标函数最小： min f T x
x
不等式约束： Ax b 等式约束： Aeqx=beq
上下界限制： lb x ub
85x1
60x2
120x3
80x4
120x5
=75
~
s.t .
80x1
150x2
90x3
160x4
60x5
= 120
~
100x1
120x2
150x3
120x4
200x5
= 138
~
x1 ,x2 , x3 , x4 , x5 0
d1=5 d2=5 d3=10
结果如下：x1=2.75,x2=0,x3=7.25,最优值为：46.25
最后添加新的变量 ，求解普通线性规划（3）
max g
s-d0 z1
x1
x2
x3
d1
10
s
.t
.
x1 6x2 x1 -3x2 -x3
x3 d2 5 +d3 -3.5
x1 ,x2 , x3 , x4 , x5 0
(2)
f1=[1.3,1.5,1.6,1.7,1.8];Aeq=[];beq=[]; A1=[85,60,120,80,120; -85,-60,-120,-80,-120;
注意添加伸缩率时的规律如下：
① 加di， 减di；
② 等式约束变成两个不等式约束.
转化为求最小值的线性规划模型：
min s x1+4x2 -6x3
x1 x2 x3 10
s .t
.
-x1+6x2 -x3 x1-3x2 -x3
5 3.5
2'
-x1+3x2+x3 4.5
3
x1
-3x2
-x3
d3
4.5
x1 ,x2 , x3 , 0
其中：d0=z2-z1=46.25-38=8.25 注意：此时增加了一个约束条件为：
原目标函数 –新伸缩率乘新变量 原最优值.
特别注意: 如果原规划是 min z=fTx,则 最后添加新的变量 ，求解普通线性规划（3）
x ,x , x 0 1 2 3 x1,x2 ,x3 0
MATLAB程序如下
注意：此时没有 等式约束，故
Aeq2=[];beq2=[];
f2=[-1,4,-6]; A2=[1,1,1;-1,6,-1;1,-3,-1;-1,3,1];b2=[10;-5;-3.5;4.5]; Aeq2=[];beq2=[];lb2=[0,0,0]; [x2,z2]=linprog(f2,A2,b2,Aeq2,beq2,lb2);
目标函数为：z=2x1+1.6x2
结 果
s.t. 4x1+2x2 2.8
自 己
90x1+300x2 220
计 算
x1+x2=1,x1,x2 0
例4. 某厂生产甲、乙、丙、丁四种产品，使用 A,B,C三类设备，每种产品的使用各类设备的工时 数及可能利润见下表，如何安排获利最大？
加工每件产品工时
60x5=120 200x5=138
(1)
x1 ,x2 , x3 , x4 , x5 0
f=[1.3,1.5,1.6,1.7,1.8];A=[];b=[]; Aeq=[85,60,120,80,120
80,150,90,160,60 100,120,150,120,200]; beq=[75;120;138];lb=[0,0,0,0,0];
s.t.
0 0
.5x1 .7x1
0.6x2 0.7x2
0.6x3 0.8x3
0.8x4 0.8x4
1000 1300
x1 , x2 , x3 , x4 0
二. 模糊线性规划的求解方法
普通线性规划：
模糊线性规划
min f T x x Ax b
Aeqx=beq
其次，解有伸缩率的普通线性规划（2）
第五讲：模糊线性规划
换基： 换基： 因为 / 2 < 6 / 1,故 为主元素。 10 2为主元素。
1.5 1 0 0 0 2 1 1 0 10 1 1 0 1 6
1.5 1 0 0 0 2 1 1 0 10 1 1 0 1 6 0 1/ 4 − 3 / 4 0 − 7.5 5 → 1 1/ 2 1/ 2 0 0 1/ 2 − 1/ 2 1 1 检验数中1/4为正数，目标值非最优，需换基。 检验数中 为正数，目标值非最优，需换基。 为正数 换基： 换基： 5 1 为主元素。 因为 /(1/ 2) > 1/(1/ 2), 故 / 2为主元素。
得f0 + d0；
3.求解综合线性规划
ax m λ 1 n 1 − (∑aij x j − bi ) ≥ λ, j = 1,2,⋯, m d j i =1 1 n ( c x − f )≥λ 0 d0 ∑ i i i =1 λ ≥ 0, xi ≥ 0(i = 1,2,⋯, n) ∗ ∗ x λ 得 和 。
合线性规划即得模糊 利用单纯形法求解此综 规划的解。 规划的解。
： 模糊线性规划求解步骤
ax m f = Cx 1.求解普通线性规划 s.t. Ax ≤ b 得f0； x≥0
2.给定 i (i = 1,⋯, m), 求解普通线性规划 d
ax m f = Cx s.t. Ax ≤ b + d x≥0
ax m f = 7x1 + 3x2 ~ 3x1 + 2x2 ≤ 1500 ~ ~ x1 ≤ 400, x2 ≤ 250 x ≥ 0, x ≥ 0 2 1 ~ ~ ~ 3 模糊约束 x1 + 2x2 ≤ 1500, x1 ≤ 400, x2 ≤ 250
模糊规划
2020/8/14
1
所谓规划问题，也就是最优化问题。长期以来，最 优化思想支配着人类生存和改造世界的活动，才使 人类社会得以不断发展。最优问题，在生活、生产 和社会行为的各个方面都普遍存在，因此优化是人 们普遍的思想。以前解决规划问题的常用的数学方 法，叫线性规划．这是用线性方程来研究规划问题 的方法。经典规划问题的目标函数和约束条件都是 明确的，但是，在实际问题中常常碰到模糊的目标 函数和约束条件，从面提出了模糊的规划问题，即 用模糊集方法来求解模糊最优化问题。
求一组变量(x1,x2,…, xn)使目标函数最大,且满足约 束条件.用矩阵可以表示为
Ax b
max
s Cx
s.t.
x
0
2020/8/14
6
为方便求解,需将不等式化为等式(加入松弛变量) (1)若 ak1 x1 ak2 x2 ... akn xn bk 可加入变量xn+k使得
ak1 x1 ak 2 x2 ... akn xn xnk bk
2. 可行解集中的点x是极点的充分必要条件是x为基 础可行解;
3. 线性规划问题的最优值仅在某极点上达到.
上述性质的证明见有关”线性规划”的书, 根据性 质3,求线性规划问题的最优解,只需从可行解集的 极点(基础可行解)中去找.
2020/8/14
10
经典线性规划-解法-图解法
例 max s=1.5x1+1.0x2 约束条件
(2)若 ak1 x1 ak2 x2 ... akn xn bk 可加入变量xn+k使得 ak1 x1 ak 2 x2 ... akn xn xnk bk
线性规划的标准形式为(松弛变量在目标函数中的系数为0)
模糊数学 之 模糊线性规划
中的M为足够大的正 中的 为足够大的正 , Ax = b ≥ 0数, 起“惩罚”作用 惩罚”作用, s.t. 以便排除人工变量. 以便排除人工变量 x ≥ 0. 单纯形解法是引入m个人工变量 大M单纯形解法是引入 个人工变量 n+1 , …, 单纯形解法是引入 个人工变量x xn+m将原问题变为 m
若约束条件带有弹性，即右端常数 若约束条件带有弹性，即右端常数bi可能取 (bi – di , bi + di ) 内的某一个值，这里的d 内的某一个值，这里的 i＞0，它是决策人根据实 ， 际问题选择的伸缩指标 这样的规划称为模糊线 伸缩指标. 际问题选择的伸缩指标. 这样的规划称为模糊线 性规划. 性规划.
解多目标线性规划问题(P280) (P280)： 例2 解多目标线性规划问题(P280)：
in m f1 = x1 + 2x2 x3; m f = 2x + 3x + x ; ax 2 1 2 3 x1 + 3x2 + 2x3 ≤10, x + 4x x ≥ 6, s.t. 1 2 3 x1, x2 , x3 ≥ 0.
⑴解普通线性规划问题： 解普通线性规划问题：
in m f1 = x1 + 2x2 x3; x1 + 3x2 + 2x3 ≤10, s.t.x + 4x x ≥ 6, 2 3 1 x1, x2 , x3 ≥ 0.
得最优解为x 得最优解为 1 = 0, x2 = 2, x3 = 2, 最优值 为2，此时 f 2 = 8. ，
⑶再分别将两个目标函数模糊化,变为解普通 再分别将两个目标函数模糊化, 线性规划问题： 线性规划问题：
ax λ, m x1 + 2x2 x3 + 2λ ≤10, 2x1 + 3x2 + x3 12λ ≥ 8, s.t. x1 + 3x2 + 2x3 ≤10, 此时f 此时 1 = 5.43, x1 + 4x2 x3 ≥ 6. f 2 = 14.86.
第5章 模糊线性规划
求解多目标线性规划 (1) 例 解多目标线性规划问题(P204)
解
⑴ 解普通线性规划
求解多目标线性规划 (2) ⑵ 解普通线性规划
求解多目标线性规划 (3)
求解多目标线性规划 (4) ⑶ 再分别将两个目标函数模糊化
求解多目标线性规划 (5) ⑷ 采用对称型模糊判决,即将所有目标函数 与所有约束条件平等看待,然后解普通线性规划
⑴ 问题的简述
购买Si要付交易费,费率为pi ,并且当购买额不超过 给定值 ui 时,交易费按购买 ui 计算(不买当然无须付费). 另外, 假定同期银行存款利率是 r0 (r0 = %5),且既无交 易费又无风险. 已知 n = 4 时相关数据如表.试设计一种投资组合方 案,即用给定的资金 M,有选择地购买若干种资产或存 银行生息,使净收益尽可能大,而总体风险尽可能小.
第5章 模糊线性规划
重点：理解线性规划模型的原理 掌握模糊线性规划求解的方法 难点：模糊线性规划求解
5.1 线性规划模型简介
5.1.1 线性规划问题的数学模型
最优生产计划的数学模型
目标函数 约束条件
运输问题
运输问题的数学模型
线性规划问题的数学模型
线性规划问题转换方法
单纯形解法
大M单纯形解法
第5章 重要概念与公式方法 线性规划模型 模糊化的方法 模糊线性规划求解的方法 多目标线性规划求解的方法 模糊数的隶属函数
风险投资策略 ⑴ 问题的简述 市场上有n种资产(如股票、债券等)Si ( i = 1, 2, …, n) 供投资者选择,某公司有数额为M的一 笔相当大的资金可用作一个时期的投资. 公司财务分析人员对这n种资产进行了评估, 估算出在这一时期内购买 Si 的平均收益率为ri , 并预测出购买 Si 的风险损失率为qi . 考虑到投资越分散,总的风险越小.公司确定 当用这笔资金购买若干种资产时,总体风险可用 所投资的 Si 中最大的一个风险来度量.
模糊数学5-模糊线性规划
具体形式
例1. 解模糊线性规划
m a x s x1 4 x 2 6 x 3 x1 x 2 x 3 8 ~ x1 6 x 2 x 3 6 ~ s .t . x 1 -3 x 2 -x 3 4 ~ x 1 ,x 2 , x 3 0
对应的约束条件伸 缩指标分别取 d1=2,d2=1,d3=0.5
解：首先求解普通线性规划（1）
m a x s x1 4 x 2 6 x 3 x1 x 2 x 3 8 x1 6 x 2 x 3 6 s .t . x 1 -3 x 2 -x 3 4 x ,x , x 0 1 2 3
1'
MATLAB程序如下 f1=[-1,4,-6]; A1=[1,1,1;-1,6,-1];b1=[8;-6]; Aeq1=[1,-3,-1];beq1=[-4];lb1=[0,0,0]; [x1,z1]=linprog(f1,A1,b1,Aeq1,beq1,lb1); 结果：x1=2,x2=0,x3=6, 最优值为：38
1 2 3
2 x1 2 x 2 x 3 1 2 x1 0 , x 2 0 , x 3 5
lb=[0,0,-inf];ub=[inf,inf,5];
[x,z]=linprog(f,A,b,Aeq,beq,lb,ub)
例2. 求解规划
解：转化为 min z = -2x1-3x2+5x3 s.t. x1+x2+x3=7 -2x1+5x2-x3 -10 x1,x2,x3 0
max z = 2x1+3x2-5x3
s.t. x1+x2+x3=7
2x1-5x2+x3 10
模糊数学5模糊线性规划PPT课件
s.t.
0 0
.5x1 .7x1
0.6x2 0.7x2
0.6x3 0.8x3
0.8x4 0.8x4
1000 1300
x1 , x2 , x3 , x4 0
8
二. 模糊线性规划的求解方法
普通线性规划：
模糊线性规划
m in f T x x
Ax b Aeqx=beq
lbxub
m ax f T x x Ax b ~
加工每件产品工时
单位时段可
设备
供使用或必
甲
乙
丙
丁
须使用时数
A
1.0
1.2
1.4
1.5
2100
B
0.5
0.6
0.6
0.8
1000
C
0.7
0.7
0.8
0.8
1300
每件利润 12
15
8
10
解：设甲、乙、丙、丁四种产品的产量分别为x1,x2,x3,x4
maxf=12x1+15x2+8x3+10x4
x1 1.2x2 1.4x3 1.5x4 2100
~~~
相应地改成 ,, 即可
11
转化为求最小值的线性规划模型：
m in s x1+ 4x2 -6x3
x1 x2 x3 8
s
.t
.
-
x x
1 1
+6x -3x2
2 -x3 -x3
6 4
1'
x1 ,x 2 , x 3 0
MATLAB程序如下
f1=[-1,4,-6]; A1=[1,1,1;-1,6,-1];b1=[8;-6]; Aeq1=[1,-3,-1];beq1=[-4];lb1=[0,0,0]; [x1,z1]=linprog(f1,A1,b1,Aeq1,beq1,lb1);
具有三角模糊数的线性规划的一种方法
具有三角模糊数的线性规划的一种方法这种方法是利用了模糊数学隶属度的概念，我们选取一种计算方法，在该方法下，可以根据精度要求将计算过程细化，即可以分成多个计算区间，这个区间分的越细，我们所用来比较隶属度的样本就越多，从而可以更精确的找出隶属度最大的那个区间，那么在该区间上计算出来的结果就应该是我们想要的结果。
上面所说的隶属度是描述了我们所分区间的到的样本结果是否从属与理想结论的程度，同下面的方法中用距离来刻画是相似的。
记所用三角模糊数形式为0(,,)mpc c c c =设模糊线性规划中带有三角模糊数的目标函数有如下形式：123111()nnnpm i i i i i i f x w c x w c x w c x ====++∑∑∑上式中：w 1+2w +3w =1,0c --------消极量，m c --------可能量，p c -------乐观量，x Q ∈.设001231212(1)p m p mi i i i i i i f wc w c w c wc w c w w c =++=++--根据三角模糊数的性质可以知道001212(1)p m i i i i c wc w c w w c ≤++-- （1）由（1）可以推出 012()/()1p m m i i i i w w c c c c ≤--+ 我们作如下相应记法：102,m p m i i i i i i c c P c c P =-=-那么可以得到：21211i iP w w ≤+P （2）同样 01212(1)pm p i i i i w c w c w w c c ++--≤ （3） 由（3）可以推出2211(1)ii w P w P -≥作如下相应记法：()()22222122111122222212211112(1)(1)(1)max(,,....,)4min(1,1,...,1)5n n n n w P w P w P n P P P w P w P w Pm P P P ---==+++可以得到 1n w m ≤≤ （6）对于1w 是否存在，我们需要做一些限定，我们假定下面的条件成立，即：22222222212122221111111122(1)(1)(1),1,1...,1n n n n w P w P w P w P w P w P P P P P P P ⎛⎫⎛⎫⎛⎫---+++≠∅ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭（7） 因此若201w ≤≤，那么显然（7）是成立的。
模糊数学教学大纲
《模糊数学》教学大纲院系名称数学与应用数学系制定人董媛媛制定时间 2008年7月6日《模糊数学》教学大纲一、总则1、课程代码：2、课程名称：中文名称：模糊数学英文名称：Fuzzy Mathematics3、开课对象：数学与应用数学专业的本科生4、课程性质：专业任选课模糊数学诞生于1965年，40余年来，它的思想已广泛渗透到数学的许多分支，在科技、工程等领域显示出了强大的生命力，并在人文科学（经济、管理、社会等）领域里，也已获得了相当多的应用。
本课程是数学系专业选修课，为数学系本科数学与应用数学专业四年级学生所选修。
5、教学目的和要求：通过本门课程的学习：（1）了解和掌握模糊集合，模糊关系，模糊矩阵，模糊聚类与模糊变换等基本概念和基本理论；掌握模糊聚类分析，模糊模型识别，模糊决策的实际应用所运用的模糊数学方法；初步了解模糊规划及模糊控制理论，并运用上述有关理论和方法进行进一步的科学研究与实际应用；（2）掌握模糊数学有关方面的理论知识和处理模糊现象的基本思维方法；（3）培养学生的抽象概括问题、自我学习接受知识的能力及科学研究能力；同时培养学生综合运用所学知识分析并通过相关数学模型的建立与运用进而解决生活中实际问题的能力。
（4）提高学生的素质，为部分考研学生的后继学习以及将来从事科学研究等工作奠定必要的数学基础。
6、教学内容：本课程主要研究了利用用模糊数学的知识来解决实际问题的理论及其方法。
主要内容有：模糊集合的基本概念、模糊聚类分析、模糊模型识别、模糊决策、模糊线性规划、模糊控制。
7、教学重点与难点：重点：通过本课程的学习，掌握模糊数学的基本思想，基础理论，从而进一步了解模糊理论的基本应用，能够运用模糊理论解决生活中的实际问题。
难点：模糊数学的基本理论及如何正确运用这些理论知识来解决实际问题。
8、先修课程：数学分析、高等代数、概率论与数理统计、运筹学。
9、教学时数教学时数：36学时学分数： 2学分教学时数具体分配：10、教学方式：课堂讲授+习题课，课外作业及批改。
模糊规划的理论方法及应用
模糊规划的理论方法及应用模糊规划是一种将模糊数学方法应用于决策问题的数学工具。
相比于传统的决策方法，模糊规划考虑到了决策者在面对不确定性和模糊性时的主观认知和感知能力，并利用模糊集合理论来解决这些问题。
本文将介绍模糊规划的理论方法及其在实际应用中的例子。
一、模糊规划的基本概念与原理1. 模糊集合理论模糊集合理论是模糊规划的理论基础，它是Lotfi Zadeh于1965年提出的。
在传统的集合论中，一个元素只能属于集合A或者不属于集合A，而在模糊集合论中，每个元素都有属于集合A的程度或者隶属度。
通过定义隶属函数来刻画元素对一个集合的隶属程度，该函数的取值范围通常是[0,1]。
2. 模糊规划的基本步骤模糊规划的基本步骤包括问题定义、模糊关系构建、决策矩阵建立、权重确定、模糊规则制定、规则评价、推理运算及解的评价等。
其中，模糊关系的建立和模糊规则的制定是模糊规划的核心。
通过对问题的抽象和建模，将模糊的问题转化为可计算和可处理的数学模型，从而能够得出合理的决策结果。
二、模糊规划的实际应用1. 市场营销决策在市场营销中，决策者往往需要面对很多模糊的信息，例如消费者的购买意愿、市场竞争环境等。
模糊规划可以帮助决策者进行市场细分、产品定价、促销策略等决策，从而提高市场的竞争力。
比如，通过模糊规划的方法，可以根据消费者的购买意愿和价格敏感度，确定合适的产品定价，并通过促销策略来满足不同消费者群体的需求。
2. 资源调度问题在资源调度问题中，决策者需要考虑多个因素，例如人力资源、物资配送等。
这些因素往往存在模糊性和随机性，传统的数学模型很难对其进行准确建模和求解。
而模糊规划可以通过考虑不确定性因素，使决策结果更加稳健和鲁棒。
比如，在人力资源调度中，通过模糊规划可以考虑员工的技能水平、工作经验等因素，使得调度结果更加符合实际情况。
3. 供应链管理问题供应链管理中涉及到多个环节和参与方，存在着各种不确定性和模糊性。
模糊规划可以帮助决策者在不确定的环境下进行供应链规划、库存管理、物流优化等决策，从而提高供应链的运作效率和灵活性。
模糊数学实验报告三 模糊决策与糊线性规划
实验三 模糊决策与糊线性规划实验目的：会用模糊综合评判模型进行综合评判，掌握将模糊线性规划转化为一般线性规划的方法，会使用数学软件Lindo 求解一般线性规划.实验学时：4学时实验内容：⑴ 教学过程的综合评判等.⑵ 将已知模糊线性规划问题用C 语言编程生成Lindo 软件的数据格式，再用Lindo 软件求解.⑶ 编程求解模糊关系方程的最大解.实验日期：2015年11月6日操作步骤：将模糊线性规划问题⎪⎪⎪⎩⎪⎪⎪⎨⎧⎪⎪⎩⎪⎪⎨⎧≥-=--≥+-≤+++-=.0,,],5.0,4[3],1,6[6],2,8[..,64max 321321321321321x x x x x x x x x x x x t s x x x f 转化为普通线性规划问题，并用Lindo 软件求解.用C 语言编程生成Lindo 软件的数据格式#include<stdio.h>#include<math.h>void main(){double c[]={1,-4,6};//目标系数double A[3][3]={1,1,1,1,-6,1,1,-3,-1};//技术系数矩阵double b[]={8,6,-4};//目标右端常数double fc=38;//第一个线性规划问题的最优值double dc=8.25;//第一、二个线性规划问题的最优值之差double d[]={2,1,0.5};//伸缩指标char opt=1;//0表示min;1表示maxchar cont[]={-1,1,0};//约束条件-1表示≤;0表示=;1表示≥int m=3,n=3;//m 约束条件个数;n 变量个数FILE *fp;int i,j;fp=fopen("xxxx.txt","w");if(opt)fprintf(fp,"Max ");else fprintf(fp,"min ");for(j=0;j<n;j++){if(c[j]==0)continue;if(j&&c[j]>0)fprintf(fp,"+");else if(c[j]<0)fprintf(fp,"-");fprintf(fp,"%6.4fx%d",fabs(c[j]),j+1);}fprintf(fp,"\ns.t. ");for(i=0;i<m;i++){for(j=0;j<n;j++){if(A[i][j]==0)continue;if(j&&A[i][j]>0)fprintf(fp,"+");else if(A[i][j]<0)fprintf(fp,"-");fprintf(fp,"%6.4fx%d",fabs(A[i][j]),j+1);}if(cont[i]==-1)fprintf(fp,"<");else if(cont[i]==0)fprintf(fp,"=");else fprintf(fp,">");fprintf(fp,"%6.4f\n",b[i]);}fprintf(fp,"\n\n\n");if(opt)fprintf(fp,"Max ");else fprintf(fp,"min ");for(j=0;j<n;j++){if(c[j]==0)continue;if(j&&c[j]>0)fprintf(fp,"+");else if(c[j]<0)fprintf(fp,"-");fprintf(fp,"%6.4fx%d",fabs(c[j]),j+1);}fprintf(fp,"\ns.t. ");for(i=0;i<m;i++){for(j=0;j<n;j++){if(A[i][j]==0)continue;if(j&&A[i][j]>0)fprintf(fp,"+");else if(A[i][j]<0)fprintf(fp,"-");fprintf(fp,"%6.4fx%d",fabs(A[i][j]),j+1);}if(cont[i]==-1)fprintf(fp,"<%6.4f\n",b[i]+d[i]);else if(cont[i]==0){fprintf(fp,"<%6.4f\n",b[i]+d[i]);for(j=0;j<n;j++){if(A[i][j]==0)continue;if(j&&A[i][j]>0)fprintf(fp,"+");else if(A[i][j]<0)fprintf(fp,"-");fprintf(fp,"%6.4fx%d",fabs(A[i][j]),j+1);}fprintf(fp,">%6.4f\n",b[i]-d[i]);}else fprintf(fp,">%6.4f\n",b[i]-d[i]);}fprintf(fp,"\n\n\n");fprintf(fp,"Max lmd");fprintf(fp,"\ns.t. ");for(j=0;j<n;j++){if(c[j]==0)continue;if(j&&c[j]>0)fprintf(fp,"+");else if(c[j]<0)fprintf(fp,"-");fprintf(fp,"%6.4fx%d",fabs(c[j]),j+1);}if(opt)fprintf(fp,"-%6.4flmd>%6.4f\n",dc,fc);else fprintf(fp,"+%6.4flmd<%6.4f\n",dc,fc);for(i=0;i<m;i++){for(j=0;j<n;j++){if(A[i][j]==0)continue;if(j&&A[i][j]>0)fprintf(fp,"+");else if(A[i][j]<0)fprintf(fp,"-");fprintf(fp,"%6.4fx%d",fabs(A[i][j]),j+1);}if(cont[i]==-1)fprintf(fp,"+%6.4flmd<%6.4f\n",d[i],b[i]+d[i]);else if(cont[i]==0){fprintf(fp,"+%6.4flmd<%6.4f\n",d[i],b[i]+d[i]);for(j=0;j<n;j++){if(A[i][j]==0)continue;if(j&&A[i][j]>0)fprintf(fp,"+");else if(A[i][j]<0)fprintf(fp,"-");fprintf(fp,"%6.4fx%d",fabs(A[i][j]),j+1);}fprintf(fp,"-%6.4flmd>%6.4f\n",d[i],b[i]-d[i]);}else fprintf(fp,"-%6.4flmd>%6.4f\n",d[i],b[i]-d[i]);}fclose(fp);}结果：C语言编程生成的Lindo软件数据格式：Max 1.0000x1-4.0000x2+6.0000x3s.t. 1.0000x1+1.0000x2+1.0000x3<8.00001.0000x1-6.0000x2+1.0000x3>6.00001.0000x1-3.0000x2-1.0000x3=-4.0000Max 1.0000x1-4.0000x2+6.0000x3s.t. 1.0000x1+1.0000x2+1.0000x3<10.00001.0000x1-6.0000x2+1.0000x3>5.00001.0000x1-3.0000x2-1.0000x3<-3.50001.0000x1-3.0000x2-1.0000x3>-4.5000Max lmds.t. 1.0000x1-4.0000x2+6.0000x3-8.2500lmd>38.00001.0000x1+1.0000x2+1.0000x3+2.0000lmd<10.00001.0000x1-6.0000x2+1.0000x3-1.0000lmd>5.00001.0000x1-3.0000x2-1.0000x3+0.5000lmd<-3.50001.0000x1-3.0000x2-1.0000x3-0.5000lmd>-4.5000求解结果：LP OPTIMUM FOUND AT STEP 2OBJECTIVE FUNCTION VALUE1) 38.00000VARIABLE VALUE REDUCED COST X1 2.000000 0.000000X2 0.000000 15.000000X3 6.000000 0.000000ROW SLACK OR SURPLUS DUAL PRICES2) 0.000000 3.5000003) 2.000000 0.0000004) 0.000000 -2.500000NO. ITERATIONS= 2RANGES IN WHICH THE BASIS IS UNCHANGED:OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLECOEF INCREASE DECREASE X1 1.000000 15.000000 7.000000X2 -4.000000 15.000000 INFINITYX3 6.000000 INFINITY 7.000000RIGHTHAND SIDE RANGESROW CURRENT ALLOWABLE ALLOWABLERHS INCREASE DECREASE2 8.000000 INFINITY 2.0000003 6.000000 2.000000 INFINITY4 -4.000000 12.000000 4.000000OBJECTIVE FUNCTION VALUE1) 46.25000VARIABLE VALUE REDUCED COSTX1 2.750000 0.000000X2 0.000000 15.000000X3 7.250000 0.000000ROW SLACK OR SURPLUS DUAL PRICES2) 0.000000 3.5000003) 5.000000 0.0000004) 1.000000 0.0000005) 0.000000 -2.500000NO. ITERATIONS= 1RANGES IN WHICH THE BASIS IS UNCHANGED:OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLECOEF INCREASE DECREASE X1 1.000000 5.000000 7.000000X2 -4.000000 15.000000 INFINITYX3 6.000000 INFINITY 5.000000RIGHTHAND SIDE RANGESROW CURRENT ALLOWABLE ALLOWABLERHS INCREASE DECREASE2 10.000000 INFINITY 5.0000003 5.000000 5.000000 INFINITY4 -3.500000 INFINITY 1.0000005 -4.500000 1.000000 5.500000 VARIABLE VALUE REDUCED COSTLMD 0.500000 0.000000X1 2.375000 0.000000X2 0.000000 0.909091X3 6.625000 0.000000ROW SLACK OR SURPLUS DUAL PRICES2) 0.000000 -0.0606063) 0.000000 0.2121214) 3.500000 0.0000005) 0.500000 0.0000006) 0.000000 -0.151515NO. ITERATIONS= 4RANGES IN WHICH THE BASIS IS UNCHANGED:OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLECOEF INCREASE DECREASE LMD 1.000000 INFINITY 1.000000X1 0.000000 0.246914 0.622222X2 0.000000 0.909091 INFINITYX3 0.000000 0.800000 0.487805RIGHTHAND SIDE RANGESROW CURRENT ALLOWABLE ALLOWABLERHS INCREASE DECREASE2 38.000000 8.250000 8.2500003 10.000000 2.357143 2.3571434 5.000000 3.500000 INFINITY5 -3.500000 INFINITY 0.5000006 -4.500000 0.589286 3.870370所以最优解是2.375*1+(-4)*0+6*6.625=42.125。